研究内容

研究分野


木本研究室では主に 人工知能(AI,Artificial Intelligence) とそれを用いた画像認識の研究を行っています.
AIを用いることで,人間の目では判別することが難しい問題を解決することができます.
具体的には,人間に判別するのは困難なICパッケージの欠陥をAIによって画像から判別したり,
地中に当てたレーダー画像から中に何があるのかを検出したりする研究を行っています.

ディープラーニングによるIC画像パッケージング検査システムの構築


IC製造の最終段階であるパッケージング工程において、樹脂の充填不良やボイド(欠損)が発生することがあります。こうした不良品の検出は従来のコンピュータアルゴリズムでは精度よく実行することが難しいため、精度向上のために人間の目視検査に頼っているのが現状です。しかし、人間も疲労による検査精度のバラつきが出るという問題もあります。これらの問題に関して、地元企業から技術相談を受けたことをきっかけに、当研究室では人工知能(AI)による検査システムの開発を行いました。検査精度を高めるためには、大量の不良画像をAIに深層学習させることが重要ですが、膨大な数の不良品画像や計算機パワーを必要とすることから、不良品画像を疑似的に増産するとともに、計算コストを下げる方法を開発しました。検出を行う不良は、写真の様に小さいボイドです。従来のアルゴリズムでは誤認識していた0.15mm程度の小さな不良についても高精度で検出可能なシステムを開発しました。特に、ボイドがICの縁にある場合は、ICのリードフレーム(足)が影響して検出精度が落ちやすくなりますが、AIを利用することで、そうした困難も克服しました。

記憶パターンに相関を持つXYスピン型連想記憶モデル


ディープラーニングモデルVGG16を用いた地中レーダ画像の物体識別


ディープラーニングにおける転移学習の効果


陰影情報からの3次元物体の推定


2次元の情報から3次元の構造を推定する研究をしており,手法は画像から陰影情報を受け取り3次元物体推定を行っています.

階層型ニューラルネットワークにおけるドロップアウト学習の効果


ディープラーニングで多く用いられている階層型ニューラルネットワークは脳の神経細胞(ニューロン)を階層状に結合したネットワークです.
このネットワークは基本的に層を深く(ディープに)するほど複雑な問題を解くことができるといわれていますが,反対に学習に必要な訓練データが足りなくなってしまい,
過学習という問題がおこって学習がうまく進まなくなります.本研究はこれを解決するドロップアウト学習と呼ばれる学習法を用いたときの効果を検証します.