文献

J-GLOBAL ID：202202228864428802   整理番号：22A1709160

工場・物流センタにおける作業順序を考慮した少量学習データでの作業行動認識手法の検討

著者 (5件)： 吉村直也 (大阪大 大学院情報科学研究科) ,  前川卓也 (大阪大 大学院情報科学研究科) ,  原隆浩 (大阪大 大学院情報科学研究科) ,  和田篤 (東芝 生産技セ) ,  浪岡保男 (東芝 生産技セ)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2022  号： UBI-74  ページ： Vol.2022-UBI-74,No.12,1-8 (WEB ONLY)  発行年： 2022年05月30日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 工場や物流センタではネジ締め作業や検品作業・梱包作業など,複雑で変則的な作業を人間の作業者が担っており,この作業者の作業状況を把握するために行動認識技術の適用が検討されている.しかし,作業員ごとに担当の作業が異なるため,ある作業員から取得した学習データを他の作業員に転用できないなど,学習データの収集コストに大きな課題がある.そこで本研究では,限られたラベル付きデータで作業行動を認識するためのニューラルネットワークLightweight Ordered-work Segmentation Network(LOS-Net)を提案する.既存のニューラルネットワークを用いた行動認識モデルは,高い認識性能を達成するためには大量のラベル付きデータを必要とする.しかし,作業工程には行動の順序が事前に決められているなどの特徴がある.LOS-Netでは作業順序のような事前知識に着目し,(1)効率的に長期的なコンテキストを抽出するためのモジュール,(2)連続する行動ラベルの境界を正確に推定するためのモジュール,(3)作業順序を用いて推定結果を修正するモジュールを導入し,限られた学習データでも高い精度で作業工程を認識できる.提案手法を実際の工場や物流センタで収集した11人分のデータを用いて評価し,提案手法の有効性を確認した.(著者抄録)

シソーラス用語： *作業者 ,  作業分析 ,  *認知モデル ,  *ニューラルネットワーク ,  可視化 ,  工場 ,  流通センタ
準シソーラス用語： 作業手順 ,  *行動認識 ,  作業工程 ,  *学習データ ,  認識精度 ,  動作認識 ,  可視化技術

分類 (3件)： 作業研究  (KB03040A) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

引用文献 (15件)：

• Chen, L.-C., Zhu, Y., Papandreou, G., Schroff, F. and Adam, H.: Encoder-decoder with atrous separable convolution for semantic image segmentation, Proceedings of the European Conference on Computer Vision, pp.801-818 (2018).
• Forkan, A. R. M., Montori, F., Georgakopoulos, D., Jayaraman, P. P., Yavari, A. and Morshed, A.: An industrial IoT solution for evaluating workers’ performance via activity recognition, Proceedings of the 39 th IEEE International Conference on Distributed Computing Systems, pp. 1393-1403 (2019).
• Garcia-Ceja, E., Galván-Tejada, C. E. and Brena, R.: Multi-view stacking for activity recognition with sound and accelerometer data, Information Fusion, Vol. 40, pp. 45-56 (2018).
• Gashi, S., Di Lascio, E. and Santini, S.: Using unobtru-sive wearable sensors to measure the physiological synchrony between presenters and audience members, Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, Vol. 3, No. 1, pp. 1-19(2019).
• Hammerla, N. Y., Halloran, S. and Ploetz, T.: Deep, Convolutional, and Recurrent Models for Human Activity Recognition using Wearables, CoRR, Vol. abs/1604.08880 (2016).

タイトルに関連する用語 (6件)： 工場 ,  物流センタ ,  順序 ,  学習データ ,  行動認識 ,  手法