応用課程 開発課題20周年史

197 3. 撮影部 筐体は骨組みをアルミフレーム、壁とふた を段ボールで製作した。撮影は Jetson Nano に接続した USB カメラで行った。 照明はムラが出ないように拡散光を用いて おり、Arduino nano every で制御を行ってい る。 4. 検査部 良・不良検査を行うコンピュータには Jetson Nano を用いる。撮影した画像を読み込み、判定後 モニターへ出力する。 学習は撮影写真を LabelImg [4] で検査対象のタ グ付けをし、pytorch [3] にて学習を行う。 学習環境には Google の提供するクラウドサー ビス Google Colaboratory [2] を用いる。 画像判定には Yolo [3] を用いる。学習構成図を図 2、検査構成図を図 3、検査対象を図 4 に示す。 図 2 学習構成図 図 3 検査構成図 A 社 B 社 図 4 検査対象物 5. 評価 専門知識がない被験者数名は、作成したマニュ アルを使用し短期間で目標の自動検査を行い、結 果を記録する。記録に基づき、運用可能性を評価 する。検査対象として B 社のシート成形容器を用 いる。結果は動画にて記す。 6. おわりに 本研究は専門知識を必要とせず、PC の基本操作 のみで目標の自動検査を実現できるシステムの 製作・作業のマニュアル化を目的としている。よ って、検査精度及び、検査は評価の対象外となる。 製作するシステムとマニュアル及び評価につい ては、コロナによる作業の遅延により動画にて説 明する。 参考文献 [1] 経済産業省,我が国ものづくり産業が直面する課題と展望、製造基盤白 書（ものづくり白書）- 経済産業省,経済産 業省, https://www.meti.go.jp/report/whitepaper/mono/2018/honbun_pdf/pdf/honb un01_01_02.pdf [2] DS27,Google Colab で Yolov5 を使ってみた,Qiita, https://qiita.com/DS27/items/6ae8c49569c1a55a0255 [3] hmanossan, ゼロからはじめた Yolov5, Ameba, https://ameblo.jp/himanossan/entry-12677489402.html [4]EnzoDiTizio,tzutalin/labelImg,Github, https://github.com/tzutalin/labelImg 197