株式会社アトラックラボは、AI点検ロボット向け制御プラットフォーム「AT-SYNAPSE」のオプションとして、現場で収集した点検画像を使ってAIモデルを最適化する「AT-SYNAPSE 追加学習サービス」の提供を開始しました。プラントや工場、インフラ設備の点検では、現場ごとに設備の材質や照明、撮影条件が異なるため、汎用的なAIモデルだけでは正確な異常検出が難しいという課題があります。本サービスは、機密性の高い点検画像を外部クラウドへ送信せず、ローカル環境で追加学習と推論を実行できる点が特徴です。これにより、現場固有の不具合をAIに学習させ、ロボットによる自動点検の精度向上を支援します。

この記事をシェア

ポイント

1
現場画像でサビや腐食など固有の不具合をAIへ追加学習するサービス
2
NVIDIA DGX Sparkで学習・推論をローカル環境に限定し機密性を確保
3
画像収集からロボット実装、動作確認まで一貫してアトラックラボが対応

開発の背景

プラントや工場、インフラ設備では、サビや腐食などの異常を人が目視で確認する点検作業が数多く残されています。しかし、設備の材質、塗装、照明、汚れ、撮影角度などの条件は現場ごとに異なり、同じ種類の設備でも発生する不具合が異なるため、汎用的なAIモデルだけでは正確な検出が難しい場合があります。また、点検画像には設備の構造や配置など外部へ送信しにくい情報が含まれるため、情報管理上の課題もありました。アトラックラボは、こうした現場固有の条件とセキュリティ上の課題に対応するため、ローカル環境で追加学習と推論を行い、ロボットによる画像収集から異常検出までを一体化するサービスを開発しました。

サービスの特長

本サービスでは、お客様の現場で撮影したサビや腐食、機器特有の不具合などの画像をもとに、追加学習用のデータセットを構築します。対象や撮影条件に応じて数百枚から数千枚規模の画像を収集・整理し、LoRAなどの手法でAIモデルを追加学習します。点検対象に応じて、VLM、画像分類、物体検出などから適切な手法を選択し、現場の使用環境や点検基準に合わせてモデルを調整します。また、NVIDIA DGX Sparkの演算性能を活用し、大規模なVLMを含むAIモデルの追加学習と推論をローカル環境で実行します。お客様のセキュリティ要件に応じて、導入先または外部ネットワークから分離した環境で処理することで、機密性の高い点検画像を外部クラウドへ送信せずに運用できます。

継続的な改善と一貫したサポート

初期モデルの導入後も、実際の点検で蓄積された新たな画像と確認結果を追加学習に活用できます。現場で発生した機器特有の不具合や新たな事例を継続的に学習させることで、設備や撮影環境に合わせて段階的にモデルを改善します。アトラックラボは、学習用画像の整理、アノテーション、データセットの構築、AIモデルの追加学習と評価、AT-SYNAPSEへの実装、現場環境での動作確認まで一貫して対応します。AT-SYNAPSEはUGV、レールドローン、クローラーロボットなどと連携でき、ロボットが設定されたルートを移動しながら画像を収集し、追加学習したモデルが異常箇所を検出します。検出結果を画像や位置情報と関連付けて記録することで、点検履歴の管理や経年変化の確認にも活用できます。

想定される点検対象と導入分野

想定される点検対象は、サビ、腐食、亀裂、欠損、塗装の剥離、漏れ、にじみ、ボルトや部品の脱落、異物、堆積物、機器の構造や使用状況に起因する固有の不具合、雪庇など形状を一律に定義しにくい異常です。導入分野としては、プラントや工場設備の巡回点検、配管、タンク、鉄骨、橋梁などの定期点検、屋根、壁面、高所、雪上など人による点検が困難な場所、通信環境が不安定またはクラウドを利用できない施設、UGVやレールドローンを活用した自動点検、点検画像の蓄積と経年変化の記録などが挙げられます。