異常検知・状態診断

現場の時系列データ等を用いて、設備の故障予兆や環境の微細な異常を高精度に検知するアプローチに関する記事です。

  1. ホーム
  2. 異常検知・状態診断
画像AIの害虫判定で誤検知が多い原因とは？粘着板の汚れ・影・類似昆虫への対策を撮影条件・学習データ・閾値から解説

画像AIの害虫判定で誤検知が多い原因とは？粘着板の汚れ・影・類似昆虫への対策を撮影条件・学習データ・閾値から解説

画像AIの害虫判定で誤検知が多い原因を、撮影条件・学習データ・閾値（集計）の3軸で整理。粘着板の汚れ・影・類似昆虫への対策、適合率・再現率の見方、現場で使える点検表を解説します。
炉内温度プロファイルをどう比較する？DTWで同じ設定でも異なる熱履歴を捉える【疑似データ事例】

炉内温度プロファイルをどう比較する？DTWで同じ設定でも異なる熱履歴を捉える【疑似データ事例】

同じ炉設定でも品質差が生じる工程を想定し、炉内温度プロファイルを昇温・保持・冷却の特徴量とDTWで比較。300バッチの人工データから、最高温度だけでは見えない熱履歴の違いと実務上の注意点を解説します。