4-2. 産業への応用

4-2-1. 製造業での応用事例

事例：自動車ギヤの不良品検出

そもそも不良品が発生する頻度が少ないので、不良品データを学習させるのは難しいです。良品データの特徴を抽出して、その特徴との差分を利用することで不良品を検出しています。（これもディープラーニングなのかな。）

事例：射出成型機の予防保全

これまでは人間がデータ波形の形状変化を見て、摩耗状態や部品の交換時期を見ていた。このデータ波形の特徴量をディープラーニングで学習して、摩耗量を計算します。

事例：バラ積みピッキング

複雑な教示作業無で、ロボットに作業をさせるアプローチで、ばらばらに置かれた部品をロボットがピッキングします。

事例：食品製造ラインにおける不良品検出

分類機アプローチではなく、良品の特徴を学習してそうでないものをはじく異常検知アプローチ。

4-2-2.  自動運転

用語：SEA J3016

6段階の自動運転レベルの定義があります。2025年を目途に、レベル4～5の完全自動運転の実用化が見込まれるのだそうな。

4-2-3. 医療への応用事例

事例：診断支援

ディープラーニングの持つ特徴量抽出能力を使って、内視鏡画像からの胃がんの診断や、大腸がん診断、網膜剥離判定などの事例があるようです。

事例：創薬

化合物とたんぱく質の相互作用予測モデルなどにディープラーニングが使われているのだそうな。

事例：ゲノム解析

ディープラーニングを用いたゲノム解析ツールであるDeepVariantはオープンソースとしてgithubに公開されているらしい。

4-2-4. 介護への応用事例

事例：着衣介助

それにしても、凄いロボットが登場したものだ。

4-2-5. インフラ・防犯・監視への応用事例

事例：メンテナンス効率化

コンクリートのひび割れ検出、舗装道路損傷判断、橋梁内部の損傷度合いの推定、送電線点検などに用いられているようです。

事例：建設現場における活用

トンネル切羽や掘削のり面の地質評価。

事例：産業廃棄物選別

廃棄物の材質種類推定にディープラニングが用いられている。

事例：防犯

新丸ビルでは、困っている方の動き検知をやっているらしい。

4-2-5. サービス業への応用事例

事例：タクシーの需要予測

人口統計、気象、過去のタクシー運行データを使って、需要のある場所や時間を予測するそうです。

事例：来店者情報把握

来店人数計測カメラと年齢・性別判定カメラを設置を使い、大型商業施設におけるテナントごとの分析。（この事例もABEJA社なんですね。）

事例：無人コンビニ

JR東日本社が検証しているようです。

4-2-6. その他の応用事例

事例：双腕型マルチモーダルロボット

DENSO社ですね。

事例：物流

荷物の形状を自動的に判別する物流画像判定や倉庫運用最適化に使われている。

事例：農業

収穫・仕分け支援、ピンポイント農薬散布に使われている。

事例：金融

株価予測や不正取引検知に使わている。

事例：教育

講義動画内の先生の声や黒板の文字の検索に使わたり、採点支援に使われたり。

事例：インターネット関連

ユーザーのコメント分析にLSTMが使われるようです。それから、画像商品検索やレコメンドにも。

事例：チャットボット

予め用意してある複数回答文から適切なものを選択して回答するタイプと、都度で回答文を生成するタイプがあるそうですが、現時点では前者が多い。