IoT環境における画像処理・理解技術 ①」を開催しました(6月27-28日)

2020年 7 月 11日

6月27日(土)と28日(日)、IoT環境における画像処理・理解技術を開催しました。

講師は、愛媛大学の木下先生、一色先生に担当していただき、オンラインで実践演習を行いながら、「 画像処理技術 」と「 機械学習( 画像認識、深層学習 )」の講義を実施しました。

従来、マイコンボードなど実機を使った演習科目は、名古屋大学での対面講義が一般的でした。演習科目における対面講義のメリットは、「 講師が受講者の進捗状況、理解度、習熟度を直接確認しながら指導ができる 」、「 実機演習の環境が整っている 」、「 グループワークによる開発手法を学び、体験できる 」などがあります。しかし、今年6月の時点では、対面での実施が難しかったため、本レポートでは、今までと異なる演習環境で実施した内容とその結果を、2回にわけて紹介します。

レポート①では、1日目の実施報告を、レポート②では、2日目の実施報告と演習科目をオンラインで実施するために工夫した点( 演習環境の構築~講義終了後のサポート )を紹介します。

【 はじめに 】

 近年、製造業やセキュリティ分野において、カメラで映像を取得して、IoT技術で解析する技術の導入が増えてきています。たとえば、「 工場における品質検査 」「 農作物の生育状況の把握 」など、これまで人がやっていた検査や確認などの工程は自動化され、画像認識技術は、すでに社会の中で活用されています。1日目は、このような開発を行うために必要となる「 画像処理技術 」の基礎を学びました。

【 講義内容 】

 当初は、「 Raspberry Pi 」を使って、プログラム演習をしながら、画像処理技術を学ぶ予定でしたが、今回は「 Google Colaboratory 」を使って、実行結果を確認しながら、Pythonの「 OpenCV 」を使った画像処理の基礎を学びました。 1日目の講義内容は以下のとおりです。

・イントロダクション、Open CVとは、Pythonとは

・画像処理、画像認識で何ができるの?

・デジタル画像の構造

・はじめてのOpen CV in Google Colaboratory  

※【演習1】静止画を入力して表示 【演習2】画素値の直接アクセス

・階調変換処理( 明るさを調整して、見やすい画像に変換 )

※【演習3】ヒストグラム伸張化 【演習4】ガンマ変換

・畳み込み演算と低次な特徴抽出( エッジの抽出 )

※【演習5】平滑化フィルタの適用 【演習6】ソーベルフィルタの適用

・色変換

※【演習7】カラー画像の二値化(HSV変換と肌色抽出)

・画像の二値化

※【演習8】モノクロ画像の二値化(固定閾値と判別分析法による二値化)

・二値画像のノイズ除去

※【演習9】膨張と収縮、オープニング・クロージング 【演習10】二値化、ノイズ除去、ラベリング

【 まとめ 】

 講義は、数式を用いた説明を最小限に留め、はじめてPythonで画像処理を行う受講者も、直観的に理解できるように授業設計されていました。講義中は、受講者からの質問に対し、講師による適切な回答やアドバイスがあり、受講者からは、「 二値化や色変換、フィルタ処理といった画像処理の基礎知識を習得でき今後も知識を増やして、業務で積極的に使用していきたいと思います。とのコメントがありました。

演習2
演習3
平均値フィルタ、ガウシアンフィルタ
↓拡大図
演習6
演習8
上:原画像中:固定閾値による二値化画像下:大津の判別分別法による二値化画像

2日目は「機械学習」と「深層学習」を学びました。2日目の講義内容については、後日、レポート②で紹介します。引き続き、ご覧ください。