# 2020/03/17 アマダ報告会

# 参加者
## アマダ様
- 成田様
- 三吉様
- 斎藤様
- 伊勢原事業所
- 富士宮事業所

## 東大
- 割澤教授
- 福井准教授
-

# 機械学習を用いた溶接線画像認識
## 質疑応答
(富士宮)
- 学習の方法 cross-validation
- 画像を分割するけれども
全部バラバラの中に一部、それども全部バラバラにして一部を抽出する？

- [福]使った結果99%になり，過度な期待を持たせてしまうため現在の方針を取っている

- 成田さん：
- 精度に影響する、0,1の比率
- 均等にする方がいいんじゃあないか

-[福] 現状では1:1．本当にこれで良いかは意見が分かれている

- 福井先生とZouさん意見が割れた
- 福井先生：（slackで共有されたパワポの話）1:1だと，どうしても誤認識のサンプルがある．ラベル0を増やすと，もしかして識別面はラベル1の方に移動するかもしれない（precision向上）

- 学習のところ
- データの水増し？はやってたんですか
- [福]あまり芳しくないため，今回は報告していない．（補足資料p40）
- 回転や反転が一般的だが，他のこともやろうとしているのか？

- （データオーグメンテーションの話）rotationやったんですが、結果は変わらない。難しいところです
- 学習パラメータと総合作用で現状は難しい

- 増やしたデータはランダムに使うか、それども？
- 現在ランダムはしませんでした．回転3方向，反転2方向順次にデータを増やしました．

- 成田様：データオーグメンテーションでのやったことの話はあとで共有してもらう（現段階での報告とはずれてきてしまうので）
- [福]data augmentationは必要と思うですけど、やはりまずはdata qualityを向上すべき

- [福]縦線はできてるが横線が出来ていない等の場合はすぐにやるべきだが，現状そういうわけではないので

- [金子さん]epoch数、学習率によってどれくらいprogramの時間は変わってくるのか

- [福]基本的に学習数と時間は比例．マシン数を増やして線形にやれば早くなる

- すごいGPUを使えば

- 実用的に考えたときにエポック数を小さくしたほうが（時間的）コストが小さくなる

- [割]　一回学習成功すれば使えるので，ちゃんと学習させる方がいいでは
- [成田様]学習による常々チューニングが必要であることの方が重要（問題）

# レーザによる金属板切断加工時の不良予兆検知システムの開発
## 質疑応答
[福]東大としては他のアプローチも試したい
4.0の時値がすごい大きくなっていることに興味深い
Edge抽出アルゴリズム：Sobel filter

- 成田さん：グレースケール　情報の欠落がない　一方で，光だから横の光に影響される　特徴的な波長のみに絞り込んでみてみることはやらない？
- 先に特徴量抽出のはどうでしょうか
- ある程度、ある波長にしぼみ込んで
- [福]特徴量空間は5万次元、多すぎる
- エッジが出ない場所を除いて情報量の圧縮は行う．縦横グリッドに切って統計量をカウントし，svm行う予定.
- 数百次元をそのまま入れてもできてしまうかも
- HOGはやるべきかなと
- 実験・データ取得は大変なので，学習データ数リッチな環境ではない．古典的な方法を使うのも良い

- [三吉様]
- 特異なデータ（マーカの箇所，切断形状etc...)によって　
-
-
- [福]０か１をラベリングするUIはまだ開発できていない．
- 分光器と＊＊のタイムスケールが合ってないことにすごく作業量が増える

-[成田様]
- one-class SVM はその通りだが，その方針の延長線上で予兆検知ができるのか？

-[福]正常と異常の特徴量が連続の場合は予兆できる可能性があります。非連続場合があります、それはちょっと
- 予兆検知における目標のクラス分けが必要

- [（たぶん）富士宮　望月様]
- grey scaleで　錆ありの、　違いが。
- 積立グラフの場合の検討はまた途中です
- 判断できそうな場合は、考えられてますかね
- [福]積み立てグラフもグレースケール同様エッジベースで→開発コストも下がる

- 学習データが沢山とれないため，頭を使って認識器の負荷を小さくする必要がある

# 山梨様　総括
- 現場と大学（研究者）で違う見方　
- ぜひ来年も
- いろんな手法の切り口から？

- メーカーとして　勉強になっている　理解深めました

# 割澤教授

- 非常に情報量が多い
- 今後ご社内で咀嚼？していただいて，ご要望がありましたら
- 福井先生が一生懸命分かりやすくように

- 溶接線　画像から選べっていう問題として捉えてきたが，
- applicationとして、事前に知識を加える、機械学習の認識範囲を絞って，もっともっと良くなると思います
- 照明とかは我々がコントロールできるので

- レーザ加工　自然現象のためコントロールしにくい
なぜこのようなスペクトルが得られるかという知識を情報として加える
切断面の画像を取って処理

- referenceデータを使って,まずknow-howで分析して
- 現場で活用しやすいような
- AIをやっている人とは違う視点を取り込んだ
- ご協力いただきたい