異常音検知の実用化に向けて
•
0 likes•540 views
異常音検知は近年盛んに研究がなされている分野であり，ビジネスの側面では特に製造業において知識の属人化やベテラン作業員の高齢化に伴って需要が高まっている分野です．Hmcommでは異常音検知プラットフォーム「FAST-D」を通して異常音検知の社会実装を目指しています．本発表では異常音検知の実用化についての課題や取り組みについて弊社の事例を交えながら紹介します．
Recommended
More Related Content
What's hot
What's hot (20)
異常音検知の実用化に向けて
- 1. 異常音検知の実用化に向けて Tokyo BISH Bash #07 2022.7.6 Hmcomm 株式会社 山口凌平 1
- 2. contents - 自己紹介 - 研究的側面の異常音検知 - 異常音検知の研究的位置づけ - 異常音検知の歴史 - ビジネス的側面の異常音検知 - 異常音検知のビジネス的位置づけ - 異常音検知の応用シーン - ビジネス応用における課題 - FAST-D による異常音検知 - FAST-Dの構成システム - FAST-Dデモ 2
- 3. contents - 自己紹介 - 研究的側面の異常音検知 - 異常音検知の研究的位置づけ - 異常音検知の歴史 - ビジネス的側面の異常音検知 - 異常音検知のビジネス的位置づけ - 異常音検知の応用シーン - ビジネス応用における課題 - FAST-D による異常音検知 - FAST-Dの構成システム - FAST-Dデモ 3
- 4. 自己紹介 山 口 凌 平 お仕事 - 異常音検知の研究開発 工場パイプライン，設備機器，設備機械室 - 異常音検知プラットフォームの開発 SNS - Twitter : @6111Ryo 最近やっていること - SaaSビジネスについて - ワインの勉強 趣味 - 料理：お店の味を再現することが生きがいです - テニス：中級レベルになったばかりです AWS Certified Machine Learning Speciality 4
- 5. contents - 自己紹介 - 研究的側面の異常音検知 - 異常音検知の研究的位置づけ - 異常音検知の歴史 - ビジネス的側面の異常音検知 - 異常音検知のビジネス的位置づけ - 異常音検知の応用シーン - ビジネス応用における課題 - FAST-D による異常音検知 - FAST-Dの構成システム - FAST-Dデモ 5
- 7. 異常音検知の歴史 Anomalous Sound Detection with Machine Learning: A Systematic Review より ・2019年から論文の数も増加 ・論文著者の数は日本人が多い 異常音検知の研究はごく最近盛り上がり始めている 共通データセット ・ コンペ 音響シーン分析の研究の中でもまだまだ未熟でこれからの分野 ToyADMOS / MIMⅡ DCASE task 2 7 ※発表者個人的な意見です
- 8. 異常音検知のモデルの推移 AE Series CNN Series Deep AE VAE LSTM-AE CNN-AE Conv-LSTM-AE DenseNet MobileNet ResNet-50 2014 2015 2016 2017 2018 2019 2020 2021 最近は転移学習を使いスペクトログラムを 画像のように扱うことが多い スペクトログラムを 使用したAE One-Class SVM GMM Anomalous Sound Detection with Machine Learning: A Systematic Review より 8
- 9. contents - 自己紹介 - 研究的側面の異常音検知 - 異常音検知の研究的位置づけ - 異常音検知の歴史 - ビジネス的側面の異常音検知 - 異常音検知のビジネス的位置づけ - 異常音検知の応用シーン - ビジネス応用における課題 - FAST-D による異常音検知 - FAST-Dの構成システム - FAST-Dデモ 9
- 11. 異常音検知のビジネス的位置づけ 音 画像 振動 （センサー） 対象範囲 内部の異常 表面の異常 内部の異常 環境ノイズの 影響 大 対象とは異なる方向からの情報も 収集する 中 対象とする機器のみの情報を 取得できる． 照明の影響を受ける 小 対象とする機器の情報を直接 取得できる データの 直感的理解 ◯ ヒトが聞いて判断できる ヒトによって異なる ◎ ヒトが見て判断できる ヒトによらないことが多い △ ヒトが五感で判断が困難 設置の容易さ ◯ 非接触で設置可能 △ 非接触で設置可能 画角の調整 有 △ 接触で設置 専用の穴を空ける必要性有 11
- 12. 異常音検知の応用シーン 12
- 13. 異常音検知の応用シーン 解決したい 社会的課題 対象音 豚の咳 くしゃみ ヒトの心音 イヌの心音 生活音 空調機械 鉄道の線路 製造製品 応用シーン 熟練者・後継者 不足 遠隔点検・監視 スマートファクトリー Condition Based Maintenance スマートホーム スマート農業 遠隔医療 道路 設備機器 製造機器 13
- 17. ビジネスにおける異常音検知の課題 ビジネスにおける異常音検知はスモールデータ データセットの構築・収集が難しい → ほとんどデータとして蓄えられていない → ディープラーニングで解決することが難しい（ DCACE task2のテクニックは使いづらい） → 音響の物理的特性やデータの発生を仮定した特徴量設計なども必要となる そもそもデータが蓄えられていない 17
- 18. ビジネスにおける異常音検知の課題 異常音が無いため評価ができない 擬似的に異常音を作成して評価に利用する → いくつかの異常音サンプルと正常音サンプルを使用して疑似異常音を作成し， 現場の方に視聴してもらい尤もらしい異常データを作成する → ユーザーやクライアントと一緒にこういった異常を検知できますよと 検知対象音に対するの認識を合わせておく必要がある 正常 異常1 異常2 異常3 18
- 19. ビジネスにおける異常音検知の課題 実現場での精度は AUC=0.99 でも不十分のときもある → 大事なのは FPR を 0 にした上で 実用的に十分な TPR がいくらかなのかを決めること プロジェクト初期の段階でユーザーと認識を合わせておく → post process による処理 異常検知の精度 ある区間の 50% がしきい値を超えると異常 誤報が発生 誤報を抑制 19
- 20. ビジネスにおける異常音検知の課題 異常音検知の XAI 異常/正常の判定結果の理由の説明 → ユーザーやクライアントによっては 〇〇の違いがあるから異常 と判定されるといった原因箇所などを示す必要がある → 異常箇所の可視化や異常判定音声の再生機能などが必要になる 正常時の異常スコア 異常時の異常スコア 20
- 21. contents - 自己紹介 - 研究的側面の異常音検知 - 異常音検知の研究的位置づけ - 異常音検知の歴史 - ビジネス的側面の異常音検知 - 異常音検知のビジネス的位置づけ - 異常音検知の応用シーン - ビジネス応用における課題 - FAST-D による異常音検知 - FAST-Dの構成システム - FAST-Dデモ 21
- 24. FAST-D システム構成 24
- 26. おわりに 音に関わるみなさん！！ いっしょに異常音検知を盛り上げましょう 🎉 ＆ Hmcommもよろしくおねがいします thanks :) ● 異常音検知の研究について ○ ここ数年で研究が発達 ○ まだまだ未解決な問題も多い（ドメインシフト，環境ノイズ対策， etc） ○ 日本頑張っている ● 異常音検知のビジネスについて ○ 機械の音だけでなくヘルスケア業界の応用もある ○ 熟練者・後継者不足が社会的課題として大きい ○ データが無いため評価の方法を工夫する必要がある ● FAST-Dについて ○ 誰でも使いやすいシンプルな異常音検知サービス 26