ディープラーニング活用事例

業種や会社名・フリーワードで探す

 

全46件

・1 科目につき約20 問、「○」「×」「わからない」の3 択の設問に答えていくだけで、学力(得意分野、苦手分野など)の診断が可能となるサービスを開始。
・従来の学力診断では、1 科目につき200 問もの設問に解答してもらう必要があった。そこで蓄積した試験結果にディープラーニングを適用し、学力診断に必要な最小限の設問を割り出す仕組みを開発した。
・サービスのユーザが増え、データが集まることにより、モデルも更に最適化されていく。
・診断結果に応じたカリキュラムの提供により、受講者の成績向上につながっている。
・日経xTECH EXPO AWARD 2019 において、教育AI賞を受賞。
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・ドローンまたは専用アプリケーションで送電鉄塔を撮影し、ディープラーニングにより腐食劣化の度合いを判定。
・GPSによる位置情報などもあわせて収集し、統合的な送電鉄塔の保守管理システムを実現。補修工事計画の策定も省力化され、社員5 人で25 時間かかっていた計画策定作業が社員2 人・4 時間で実施できるようになった。
・国土交通省主催「第4回インフラメンテナンス大賞」において、経済産業大臣賞を受賞。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・ゲームリリース前におけるゲームバランス(キャラクターバランス)評価を目的とした取り組み。
・オセロとトレーディングカードゲームの要素を組み合わせた対戦ゲームアプリ
「逆転オセロニア」に実装。
・複数のアプローチによるゲームバランス調整を実施。
・上記の一環としてキャラクター特徴を自動獲得する仕組みを開発。
- 従前の方法では、例えば4,000 種類のキャラクターが存在する場合、その情報を表現するために4,000 次元のone-hot ベクトルが必要であった。(キャラクターの増加に応じて、取り扱う次元が増大してしまう問題があった。)
- そこで「キャラクターの挙動などから、計算機自身がキャラクターの特徴表現を自律的に獲得」する表現学習フェーズを採用。
→「膨大な種類のキャラクター要素の特徴ベクトル」を自然言語処理由来の機械学習手法で表現学習するとともに、深層教師あり学習や強化学習に転用することによりゲームプレイ戦術を学習する手法を提案。
- この手法を適用することにより、キャラクターが増えていっても固定された
次元のまま取り扱うことが可能に。
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・いちょう切りに加工されたニンジンの目視検査をディープラーニングを用いた異 常検知手法により自動化。
・「良品」を学習させる逆転の発想で精度が飛躍的に向上した。シンプルな操作性 とスペースを必要としないコンパクトさも特徴的。
・欧州製の検査装置に比べて一桁安い低価格での実用化を実現。同じ課題を抱え る他の原料・食品メーカーへの導入、外販も進めている。
・タンパク質結晶の試料をX線で解析する際に、ディープラーニングによって試料の位置を検出することで、試料の位置合わせを自動化。
・モデル開発にはTensorFlow のObject Detection APIを採用。
・実際のデータ6000 件と、多角形の図形データ400 件とを学習データに使用。
・これまでは目視か、出力を弱めたX線の照射で試料の位置検出を行っていた。今回の取り組みにより、作業の自動化と位置合わせ時のX線による試料の損傷回避を実現した。
・従来の画像処理を用いた手法ではコントラストの変化などに対応できなかったが、ディープラーニングにより解決できた。
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・六甲バター神戸工場におけるプロセスチーズの包装の検品作業を一部自動化。
・ラインにカメラを設置して撮影し、製品の状態を判定する。また、特殊な照明を設置し、より正確に異常を検出できるように工夫している。
・需要が堅調な中、人手がネックで設備を増やせないことが課題となっており、2017 年から検査自動化の検討を開始。
・表面に反射や影が生じるアルミ包材で覆われた製品に対し、数mm の微小な差を異常として自動判定できるようになった。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・畑や水田において、病虫害の発生している場所にのみ農薬を散布することで、低農薬農業を実現。
・農地を上空から撮影し、ディープラーニングを用いた画像認識技術で病虫害の発生場所を特定。特定したエリアには、ドローンで農薬を散布。
・2018 年産の水稲栽培では田植えから刈り取りまでの殺虫剤・殺菌剤の使用量を、慣行対比50 〜100% 削減。
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・国立研究開発法人 新エネルギー・産業技術総合開発機構(NEDO)からの委託事業として、多目的ダムの利水運用効率化を目指す取り組みを実施。
・モデルとしてはCNN(Convolutional Neural Network)を採用。学習にあたり、入力データには気象レーダーを用いて観測した広範囲の雨量を使い、正解データには従来手法で計算された雨量を用いた。
・従来手法では30 分おきに、かつ過去1 時間の雨量から算出していた降雨量の予測を、5 分単位で予測することが可能になった。
・より正確なダム流入水量の予測ができ、発電効率の改善などが期待できる。

出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・海水温のデータを配信するサービス「漁場ナビ」をスタート。
・気象衛星のデータをGenerative Adversarial Network( GAN )により補完し、雲に隠れた海域でも海水温を把握可能にした。
・2km メッシュの単位で、1 時間毎に情報配信が可能。漁の効率化が期待できる。
出典:「G検定公式テキスト第2版」(翔泳社・2021年)より
・画像認識を行うディープラーニングモデルを用いて、航空機への搭乗橋接続を自 動化する試みを実施。
・画像認識の対象は航空機のドアの位置。駐機位置のずれや悪天候などによる環境 変化を含む様々なシチュエーションの画像データを学習させた。
・3分以上かかっていた接続作業が1分半で完了でき、接続のやり直しも減らせる とのこと。乗客の待ち時間減少などが期待できる。
・技術的には完全な自動化も可能と見られるが、安全性を考慮し10cm手前からは マニュアル操作に切り替わる仕様としている。
出典:「G検定公式テキスト第2版」読者WEB特典(翔泳社・2021年)より

ディープラーニングの活用事例を募集しています

JDLAでは、ディープラーニングを活用した事例の情報を募集しております。
申請いただいた情報は、内容を確認後、JDLAの公式サイトにて掲載させていただく予定です。
以下のリンク先のフォームに必要事項をご記入の上、申請お願いいたします。