JP6523379B2 - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JP6523379B2 JP6523379B2 JP2017143977A JP2017143977A JP6523379B2 JP 6523379 B2 JP6523379 B2 JP 6523379B2 JP 2017143977 A JP2017143977 A JP 2017143977A JP 2017143977 A JP2017143977 A JP 2017143977A JP 6523379 B2 JP6523379 B2 JP 6523379B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor data
- data
- information processing
- learning
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/54—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using means specified in two or more of groups G01D5/02, G01D5/12, G01D5/26, G01D5/42, and G01D5/48
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/061—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using biological neurons, e.g. biological neurons connected to an integrated circuit
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Medical Informatics (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Manipulator (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Image Analysis (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
<実施の形態1>
図1は、本発明の実施の形態1にかかる情報処理装置100のハードウェア構成を示すブロック図である。CPU11は、情報処理装置100を全体的に制御するプロセッサである。CPU11は、ROM12に格納されたシステム・プログラムをバス20を介して読み出し、該システム・プログラムに従って情報処理装置100全体を制御する。RAM13には一時的な計算データや表示データ及び外部から入力された各種データ等が一時的に格納される。
S1:期待性能設定部120が機械学習装置300に求められる期待性能を設定する。
S2:入力データ制御部140がセンサデータの選択規則を設定する。
S3:入力データ選択部110が、S2で設定された選択規則にしたがってセンサデータの組合せを決定し、機械学習装置300に入力する。機械学習装置300が、入力されたセンサデータの組合せを用いて学習を行う。
なお、選択規則に適合するセンサデータの組合せが複数存在する場合は、全ての組合せについて順にS3にかかる学習を実行する。
S4:性能評価部130が、テストデータを使用し、S1で設定された期待性能に基づいて、S3で学習を行った機械学習装置300の性能評価を行う。
なお、S3においてセンサデータの組合せを複数用いて学習を行った場合は、当該センサデータの組合せに対応する学習モデル全てについて順にS4にかかる性能評価を実行する。
性能評価部130は、性能評価の結果、期待性能に適合すると判定されたセンサデータの組合せを出力する。
情報処理装置100をワークのキズ検査に適用した例を示す。図6は、本検査の概要を示す模式図である。情報処理装置100としてのロボット制御装置が、ロボット、カメラ(高解像度カメラ及び低解像度カメラ)、照明を制御する。ロボットはハンドによりワークを把持し、様々な方向にワークを回転させる。ロボット制御装置の指令に応じて高解像度カメラ又は低解像度カメラが選択され、様々な方向からワークを撮像する。照明は撮像時、ロボット制御装置の指令に応じてワークを照明する。本実施例では、カメラは高解像度カメラ及び低解像度カメラの2種類、照明は有りと無しの2種類、カメラに対するワークの把持姿勢は100候補あるものとする。
情報処理装置100をモータの異常検知に適用した例を示す。図7は、本検査の概要を示す模式図である。情報処理装置100としてのロボット制御装置が、ロボットを制御する。このとき、指向性マイクにより音声データが、加速度センサにより加速度データが取得され、情報処理装置100に入力される。このほか、情報処理装置100は図示しないセンサにより電流の外乱値を入力できる。情報処理装置100はこれら3つのセンサを用いて、機械学習によるモータの異常検知を行うものとする。
実施の形態1では、入力データ制御部140が設定した選択規則にしたがって、入力データ選択部110がセンサデータの組合せを複数定義し、それぞれの組合せについて機械学習装置300による機械学習を行った。
110 入力データ選択部
120 期待性能設定部
130 性能評価部
140 入力データ制御部
11 CPU
12 ROM
13 RAM
14 不揮発性メモリ
18,19,21 インタフェース
20 バス
60 センサデータ
70 判定データ
300 機械学習装置
301 プロセッサ
302 ROM
303 RAM
304 不揮発性メモリ
306 状態観測部
308 判定データ取得部
310 学習部
311 誤差計算部
312 モデル更新部
320 判定出力部
330 データ取得部
Claims (9)
- 異なる複数のセンサデータを入力して機械学習を行う機械学習装置を有する情報処理装置において、
1以上の前記センサデータの組合せを作成するための選択規則を設定する入力データ制御部と、
前記選択規則にしたがって前記センサデータの組合せを複数作成し、前記センサデータの組合せを前記機械学習装置に入力して、前記センサデータの組合せそれぞれに対応する認識器を生成する入力データ選択部と、
前記認識器に求められる期待性能を設定する期待性能設定部と、
前記期待性能にしたがって前記認識器の性能を評価し、前記期待性能を満足する前記認識器に対応する前記センサデータの組合せを出力する性能評価部と、を有し、
前記期待性能は、前記センサデータの取得コストによって定義され、
前記センサデータの取得コストは、前記センサデータを取得するセンサの価格、前記センサの設置の難易度、あるいは前記センサデータの取得又は処理に要する時間又は処理負荷に基づいて計算される、
情報処理装置。 - 前記期待性能は、前記認識器の正答率、適合率、再現率又はF値によって定義される
請求項1記載の情報処理装置。 - 前記センサデータは、温度、変位、圧力、電流、速度、加速度、画像、照度、音声、匂い、又は長さの少なくともいずれかに関するものである
請求項1記載の情報処理装置。 - 前記性能評価部は、前記期待性能を満足する前記センサデータの組合せを複数提示し、ユーザに所望の前記センサデータの組合せを選択させるインタフェースを有する
請求項1記載の情報処理装置。 - 前記認識器はニューラルネットワークにより構成される
請求項1記載の情報処理装置。 - 前記入力データ制御部は、前記ニューラルネットワークの中間層の構成の設定規則をさらに設定する
請求項5記載の情報処理装置。 - 前記入力データ制御部は、前記ニューラルネットワークにおいて入力層から中間層への結合係数が小さい前記センサデータを削除する前記選択規則を有する
請求項5記載の情報処理装置。 - 前記入力データ制御部は、前記ニューラルネットワークにおいて認識時の中間層の発火への寄与率が小さい前記センサデータを削除する前記選択規則を有する
請求項5記載の情報処理装置。 - 前記センサデータは、通信ネットワークを介して1以上のセンサから収集される
請求項1記載の情報処理装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017143977A JP6523379B2 (ja) | 2017-07-25 | 2017-07-25 | 情報処理装置 |
DE102018005652.0A DE102018005652A1 (de) | 2017-07-25 | 2018-07-18 | Informationsverarbeitungsvorrichtung |
US16/038,486 US10664754B2 (en) | 2017-07-25 | 2018-07-18 | Information processing apparatus |
CN201810828164.1A CN109297974B (zh) | 2017-07-25 | 2018-07-25 | 信息处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017143977A JP6523379B2 (ja) | 2017-07-25 | 2017-07-25 | 情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019028515A JP2019028515A (ja) | 2019-02-21 |
JP6523379B2 true JP6523379B2 (ja) | 2019-05-29 |
Family
ID=65004382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017143977A Active JP6523379B2 (ja) | 2017-07-25 | 2017-07-25 | 情報処理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10664754B2 (ja) |
JP (1) | JP6523379B2 (ja) |
CN (1) | CN109297974B (ja) |
DE (1) | DE102018005652A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
JP6898371B2 (ja) * | 2019-02-28 | 2021-07-07 | ファナック株式会社 | 加工条件調整装置及び加工条件調整システム |
JP7137761B2 (ja) * | 2019-03-06 | 2022-09-15 | オムロン株式会社 | センサシステム |
JP7208846B2 (ja) * | 2019-03-27 | 2023-01-19 | 株式会社 日立産業制御ソリューションズ | 音響特徴量変換装置、音響特徴量変換方法、および音響特徴量変換プログラム |
JP7268509B2 (ja) * | 2019-07-09 | 2023-05-08 | 株式会社プロテリアル | 異常度算出方法、及び、異常度算出用コンピュータプログラム |
US11443137B2 (en) | 2019-07-31 | 2022-09-13 | Rohde & Schwarz Gmbh & Co. Kg | Method and apparatus for detecting signal features |
CN110543944B (zh) * | 2019-09-11 | 2022-08-02 | 北京百度网讯科技有限公司 | 神经网络结构搜索方法、装置、电子设备和介质 |
EP3839443B1 (de) * | 2019-12-16 | 2022-06-08 | Sick Ag | Gebervorrichtung und verfahren zur bestimmung einer kinematischen grösse |
DE102020101490A1 (de) | 2020-01-22 | 2021-07-22 | Endress+Hauser Conducta Gmbh+Co. Kg | Sensorsystem und Verfahren |
US11237942B2 (en) | 2020-03-12 | 2022-02-01 | International Business Machines Corporation | Model comparison with unknown metric importance |
US11379991B2 (en) * | 2020-05-29 | 2022-07-05 | National Technology & Engineering Solutions Of Sandia, Llc | Uncertainty-refined image segmentation under domain shift |
US20220044107A1 (en) * | 2020-08-06 | 2022-02-10 | Micron Technology, Inc. | Optimized sensor fusion in deep learning accelerator with integrated random access memory |
US11720417B2 (en) | 2020-08-06 | 2023-08-08 | Micron Technology, Inc. | Distributed inferencing using deep learning accelerators with integrated random access memory |
CN112475904B (zh) * | 2020-11-12 | 2021-09-28 | 安徽江机重型数控机床股份有限公司 | 一种基于热分析的数控铣镗床加工精度预测方法 |
CN113059402B (zh) * | 2021-03-31 | 2022-07-12 | 南昌大学 | 一种数控铣床铣削颤振智能监测系统 |
JP7332654B2 (ja) | 2021-06-29 | 2023-08-23 | 株式会社かんでんエンジニアリング | 架空線損傷判定システム |
US20230236589A1 (en) | 2022-01-27 | 2023-07-27 | Hitachi, Ltd. | Optimizing execution of multiple machine learning models over a single edge device |
CN114952419B (zh) * | 2022-05-11 | 2023-12-22 | 深圳吉兰丁智能科技有限公司 | 一种基于多特征融合的断刀监控方法及电子设备 |
CN115409133B (zh) * | 2022-10-31 | 2023-02-03 | 中科航迈数控软件(深圳)有限公司 | 基于跨模态数据融合的数控机床操作意图识别方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4554420A (en) | 1984-05-01 | 1985-11-19 | Westinghouse Electric Corp. | Electrical switch |
JP3130679B2 (ja) * | 1992-09-17 | 2001-01-31 | エヌオーケー株式会社 | ガス識別方法とガス識別装置 |
JPH06119291A (ja) * | 1992-10-06 | 1994-04-28 | Toshiba Corp | 配水量予測装置 |
JP3279743B2 (ja) * | 1993-08-04 | 2002-04-30 | 三菱電機株式会社 | 多層型ニューラルネットワーク構造を有する識別装置 |
JP2008293178A (ja) * | 2007-05-23 | 2008-12-04 | Nippon Telegr & Teleph Corp <Ntt> | シーン管理装置及びシーン管理方法ならびにそのプログラム |
US9760914B2 (en) * | 2009-08-31 | 2017-09-12 | International Business Machines Corporation | Determining cost and processing of sensed data |
JP6201792B2 (ja) | 2014-02-06 | 2017-09-27 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
JP6404700B2 (ja) * | 2014-12-11 | 2018-10-10 | 株式会社Ihi | センサ組合せ決定装置及びセンサ組合せ決定方法 |
CN106844403B (zh) | 2015-12-07 | 2020-04-14 | 北京国双科技有限公司 | 信息处理方法和装置 |
WO2017168865A1 (ja) * | 2016-03-28 | 2017-10-05 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
US10733534B2 (en) * | 2016-07-15 | 2020-08-04 | Microsoft Technology Licensing, Llc | Data evaluation as a service |
-
2017
- 2017-07-25 JP JP2017143977A patent/JP6523379B2/ja active Active
-
2018
- 2018-07-18 DE DE102018005652.0A patent/DE102018005652A1/de active Pending
- 2018-07-18 US US16/038,486 patent/US10664754B2/en active Active
- 2018-07-25 CN CN201810828164.1A patent/CN109297974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
US10664754B2 (en) | 2020-05-26 |
CN109297974B (zh) | 2021-03-02 |
DE102018005652A1 (de) | 2019-01-31 |
JP2019028515A (ja) | 2019-02-21 |
CN109297974A (zh) | 2019-02-01 |
US20190034803A1 (en) | 2019-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6523379B2 (ja) | 情報処理装置 | |
JP6693938B2 (ja) | 外観検査装置 | |
JP6693919B2 (ja) | 制御装置及び機械学習装置 | |
Borgi et al. | Data analytics for predictive maintenance of industrial robots | |
JP6506245B2 (ja) | 組付動作を学習する機械学習装置および部品組付システム | |
JP6560707B2 (ja) | 加工面品位評価装置 | |
JP6810087B2 (ja) | 機械学習装置、機械学習装置を用いたロボット制御装置及びロボットビジョンシステム、並びに機械学習方法 | |
JP6680750B2 (ja) | 制御装置及び機械学習装置 | |
JP2020168719A (ja) | ロボットシステムおよびロボットの制御方法 | |
JP2018156151A (ja) | 異常検知装置及び機械学習装置 | |
CN111767930A (zh) | 物联网时序数据异常检测方法及其相关设备 | |
JP2018004473A (ja) | 軸受の予測寿命を学習する機械学習装置、寿命予測装置および機械学習方法 | |
CN109839915A (zh) | 诊断装置、诊断方法及存储介质 | |
JP6499737B2 (ja) | テレスコピックカバーの異常発生推定装置及び異常発生推定方法 | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
CN113614743A (zh) | 用于操控机器人的方法和设备 | |
JP6626064B2 (ja) | 試験装置及び機械学習装置 | |
JP2019136818A (ja) | 制御装置及び機械学習装置 | |
JP6603260B2 (ja) | 数値制御装置 | |
CN109308051B (zh) | 数值控制装置 | |
JP7251955B2 (ja) | 検出装置及び機械学習方法 | |
JP2011145905A (ja) | 予測関数生成装置、方法、及び、プログラム | |
Kovacs et al. | A Jackknife Variance-based Stopping Criterion for Adaptive Verification of Integrated Circuits | |
JP2021170282A (ja) | 学習プログラム、学習方法および情報処理装置 | |
JP2022180119A (ja) | データ解析システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181211 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181211 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190314 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190326 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6523379 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |