ウェザーストリップのAI作成例を紹介します。
１．MENOU-TEを起動後、プロジェクトを開く
２．ワーク検出を開く
３．ワーク部分をペンで塗りつぶす
※塗りつぶしの方法はこちらの記事参照ください
４．学習フラグにチェックを入れる
５．もう一枚の画像も３～４の手順で色塗りと学習フラグチェックを実施する
６．前処理のプレビューをクリック
７．サイズ変換を【1/4】にする
※この値の決め方は、タスクによって異なります
このタスクではワークがどこにあるのかが分かるレベルに画像を粗くする
８．接続設定タブから解析領域の設定、画像から設定を選択する
９．解析領域（検査エリア）をワークが搬送されてくる範囲に絞り、適用をクリック
１０．トレーニングをクリック
１１．トレーニング開始ボタン
をクリック
※パラメータは基本的にはデフォルトのままで問題ありません
１２．学習が開始される
１３．学習が終了し、ポップアップが表示されるので、OKをクリック
１４．ダッシュボードが表示される
このタスクではワークの検出を行うため、検出数をクリックし、すべてのワークが検出数1になっていることを確認する
※ダッシュボードについて詳しい内容は以下の記事を参照ください
１５．写真のアイコンをクリックし、多い順ソートする
１６．すべての画像が検出数1になっており、問題なし
１７．画面中央に表示された表の不明4をクリックし、フィルターマークをクリック
１８．画面左上のアイコン（一括適用）をクリックし、検出ありを選択
１９．適用をクリック
２０．画像左にあるアイコンがすべて
に変わった（検出あり状態）
２１．再集計をクリック
２２．表の不明がなくなり、検出ありが4になった
２３．画面左上の×ボタンをクリック
２４．再集計をクリック
２５．検出ありが6になった
２６．タスクコネクションをクリック
２７．異物タスクを選択
２８．アノテーションをクリック
２９．接続設定タブをクリック
３０．解析領域左のプルダウンをクリックし、モードを”自動”へ変更
３１．適用をクリック
３２．画面中央の解析領域（ハイライトされている部分）がワーク部分のみに変更された
３３．ワーク部分が見切れそうなため、倍率を110%へ変更
３４．適用をクリック
３５．先ほどの３３．の時に比べて、解析領域が大きくなった
３６．異物部分が分かりやすい画像を探す（例_上から3枚目の画像）
３７．異物部分を３．同様の手順で色塗りし、学習フラグをONにする
３８．もう1枚の画像も３７．と同様の手順で色塗りと学習フラグON
３９．トレーニングタブをクリック
４０．トレーニング開始ボタンをクリック
４１．OKをクリック
４２．表の検出あり-検出ありの2をクリック
４３．フィルターマークをクリック
４４．アノテーションタブをクリック
４５．画面下のアノテーションのチェックを外し、推論結果のチェックを入れる
４６．教えた個所がきちんと反応しており、それ以外の箇所が反応していない為、正しく検出ができている
４７．もう一枚の画像も正しく反応しており、問題なし
４８．ダッシュボードをクリック
４９．表の不明-検出ありの1をクリック
５０．虫眼鏡をクリック
５１．検出している箇所が正しいのかチェックする
５２．問題なさそうであったため、検出状態を”検出あり”に変更する
５３．別の画像もチェックする（反応が弱いことが分かる）
５４．異物箇所を色塗りし、学習フラグをONにする
５５．トレーニングタブに移り、学習開始ボタンをクリック（追加学習）
５６．OKをクリック
５７．異物をきちんと反応しており、問題なし
５８．OK画像については”検出なし”になっているため、問題なし
５９．検出状態を”検出なし”へ変更する
６０．一番最後のの画像も同様にチェック。OK画像にも関わらず反応してしまっている
６１．検出状態を”検出なし”に変更し、ダッシュボードをクリック
６２．検出あり4をクリックし、最大面積の小さい順でソートする
最大面積で一番小さいものは23pixelだとわかる
６３．検出なし-検出ありの1をクリック
最大面積が5pixelであることが分かる
６４．解析設定左のプルダウンを開き、面積閾値を6に設定し、適用をクリック
６５．表の正答率が100%に変わった
これは、６４．で設定した面積閾値により、6pixel未満のヒートマップ（AIが反応している色の塊）は無視され、6pixel以上のヒートマップのみが検出されるようになったためである
６６．最後に検査設定タブの面積の値を6にし、適用をクリックしてモデル作成完了
