Hatena Blog Tags
はてなブログ トップ
異常検知
このタグでブログを書く
言葉の解説
ネットで話題
関連ブログ

異常検知

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
ビジネス×行動経済学•3日前

〖AIで変わる未来の製造業⑧〗設備は、壊れる前に本当に異常を知らせられるのか

――予知保全の理想と現実 皆さん、こんにちは。 前回は、AIによる品質管理について考えました。 外観検査で不良を見つけるだけでは、品質は根本的には改善しません。温度、湿度、材料ロット、設備条件などの変化を結び付け、不良が生まれる前に工程へフィードバックする。 つまり、 不良を見つけるAIから、不良を生まないAIへ。 これが、前回の記事でお伝えしたメッセージでした。 しかし、設備保全になると、問題はさらに難しくなります。 製品の品質には、最終的に「良品だった」「不良品だった」という答えが残ります。一方、工場の設備は、簡単には壊れません。むしろ、壊れないことが正常です。 そのため、予知保全AIが学…

#AI#異常検知#生産管理#工場管理#製造業 工場#製造業の未来#行動経済学

関連ブログ

Toma（とま）のゲーム日記•2ヶ月前

小田急線の踏切にAIが導入された理由｜画像解析の仕組みと安全対策を専門的に解説

小田急電鉄は2026年6月24日、踏切内に取り残された歩行者や自転車・バイクをAIで自動検知し、列車を停止させる新システム「AI踏切画像解析システム」の運用を開始しました。 高齢化や外国人利用者の増加、スマホ歩行など多様化する踏切利用環境に対応するための新たな安全対策であり、踏切事故の未然防止を目指す取り組みです。本記事では、ニュースの要約にとどまらず、小田急線の踏切事情や従来装置の限界、AI導入が求められた構造的な背景まで含めて整理します。 この記事でわかること 小田急が導入した「AI踏切画像解析システム」の仕組み 導入された4つの踏切の場所 小田急線の踏切事情と、AI導入が必要とされた構造…

#小田急線#踏切#AI#画像解析#異常検知#鉄道安全#遅延対策#運行支障
Insight Edge Tech Blog•4ヶ月前

異常を説明し行動を導くAI：LLM×RAGによる説明性の付加とアクションレコメンドモデルを解説

Insight Edgeのデータサイエンティストの山科です。 今回は、画像に対する異常検知結果をLLMで解釈させることに加えて、RAGを組み込むことでアクション提案まで行う手法について検証を行いましたので、その結果について記載したいと思います。 なお、本内容は先日開催された言語処理学会第32回年次大会（NLP2026）でも発表した内容となっています。 また、本研究は以前ご紹介したLanguage-Driven XAIの続編となっており、前回の手法を発展させた内容となっています。前回記事で説明性を付与する手法を提案しましたが、今回はそれにRAGを組み合わせることで、より実務的な意思決定支援を実現…

#生成AI#説明可能なAI#異常検知
暇さえあればアルゴリズムいじり•6ヶ月前

異常検知で使うADDMについて

目次 RPCAに使われる最適化アルゴリズムである ADMM (Alternating Direction Method of Multipliers：交互方向乗数法) について説明します。 RPCA（ロバスト主成分分析）や画像処理、機械学習の最適化で頻繁に登場する ADDM は、線形・凸最適化アルゴリズムの発展系に分類されます。 より専門的なカテゴリで分けるなら、「近接勾配法（Proximity-based methods）」 や 「分割手法（Splitting methods）」 というグループに属します。 ADDMが利用される理由 なぜ ADMM が RPCA のような問題でこれほど重宝さ…

#ADDM#異常検知
暇さえあればアルゴリズムいじり•6ヶ月前

統計的に複雑背景で異常検知を行う手法

目次 本日説明するのはセグメンテーション・ベース RX (Segmentation-based RX) です。 RX系の異常検知法はガウス分布に基づく背景でないといけないという前提条件に縛られた手法です。 そんな課題を解決するセグメンテーション・ベース RXについて説明していきます。 解決したい課題 セグメンテーション・ベース RXが解決しようとした最大の課題は、 「背景の不均一性による統計モデルの破綻（および、それに伴うエッジでの誤報）」 です。 具体的にどのような物理的・数学的課題を解決しようとしたのか、3つのポイントに分けて解説します。 1. 境界線（エッジ）での「偽陽性（False A…

#セグメンテーションRX#RX#異常検知
暇さえあればアルゴリズムいじり•6ヶ月前

統計的な異常検知法をマルチスケール化

目次 統計的な異常検知手法であるLRX。 同手法は、RXと呼ばれる手法の弱点であった局所的な異常検知能力を向上したものです。 この手法は異常を捉えるという意味では大きな改善をもたらしました。(多分、現実的な異常の定義をより現実的に包含することが出来たからと思います) しかし、LRXにも弱点があります。 本日は、LRXの弱点と、改善方法となった手法について説明します。 LRXの弱点 LRXの弱点は以下です。 「外窓（背景エリア）の統計的なバラツキ具合に基づいた物差しで測ったとき、ターゲット（中心画素）がどれだけ平均から遠くへ突き抜けているか」 この仕組みを理解するための重要なポイントを整理します…

#異常検知#anormaly detection#RX
暇さえあればアルゴリズムいじり•6ヶ月前

辞書クラスタリングをする異常検知手法

目次 本日は背景辞書を使った異常検知法のうち、分けた背景辞書をさらにクラスタリングすることで、CRDの持つ課題を解決した手法について説明します。 概要 その手法の名前は クラスターベース辞書（Cluster-based Dictionary） と呼ばれる手法です。 背景をいくつかの「種類（クラスター）」に分けて管理する方法です。 作り方: 画像全体を K-means などでクラスタリングし、「芝生」「コンクリート」「影」といったグループごとの辞書（または平均ベクトル）を作成します。 特徴: ターゲット画素がどのクラスターに属するかを判定し、対応する辞書だけを使って計算します。 LRBに近い考え…

#異常検知#辞書クラスタリング
暇さえあればアルゴリズムいじり•7ヶ月前

背景を辞書と見立てて異常を検知するCRD

目次 CRD (Collaborative Representation-based Detector) は、特にハイパースペクトル画像や工業製品の表面検査において、「背景の複雑な模様」を効率的にモデル化するために開発された異常検知手法です。 同じような背景表現を行う SRD (Sparse Representation) の「高い表現力」を維持しつつ、計算時間を大幅に短縮し、より「周囲との関係性」を重視した手法と言えます。 CRDの核心コンセプト：「お隣さんの協力」 計算仮定 CRDの根本にある仮定は、 「正常な画素であれば、その周囲にある他の正常な画素たちの『線形結合（重み付き合計）』で再…

#背景辞書#異常検知#anormaly detection#CRD
暇さえあればアルゴリズムいじり•7ヶ月前

RPCA: 画像の異常検知&教師データが不要!

目次 産業分野では、画像から何かしら異常が起きてないかを検知するという異常検知のタスクが相当数存在します。 今日はそんな異常検知の手法として代表的な手法であるRPCAについて説明します。 概要 RPCA (Robust Principal Component Analysis: ロバスト主成分分析) とは、一言で言えば、データ行列を 「安定した共通パターン（背景）」と「突発的な変化（異常・異物）」に、数学の力でパカッと分離する手法 です。 名前に「ロバスト（頑健）」と付いているのは、従来のPCA（主成分分析）が「大きな外れ値（異常）」に弱かったという弱点を克服した手法だからです。 直感的なイメ…

#anormaly detection#異常検知
暇さえあればアルゴリズムいじり•7ヶ月前

異常検知の教師データに関するカテゴリ

目次 産業界において定期的なメンテナンスであったり、状態監視に対するニーズがあります。 人で検知することも勿論できますが、出来れば人がなくても自動で、良い精度で検出したいものです。 そんな時に役に立つ手法が異常検知です。 異常検知の手法には学習用のデータの扱いによってカテゴリー分類が出来ます。 大きく分けて、 「教師あり」「教師なし（今回のRPCAなど）」「半教師あり」 の3つのアプローチに整理できます。 今回はそれぞれのカテゴリについて説明します。 各手法概要 1. 教師なし学習 (Unsupervised Learning) 今回の RPCA や PCA、IALM などが属するカテゴリーで…

#anormaly detection#異常検知