製造現場におけるAI画像検査の精度低下は不良品流出につながるため、早期の検査精度回復が必要となる。一般に、既存の学習データに新たな学習データを加えてAIモデルを再学習することで、検査精度を回復できる。しかし、データの蓄積により学習データ量が増大し、再学習に1週間以上の時間を要する場合もあり、効率的な再学習技術が求められている。
そこで、再学習時間を短縮する技術として、画像の特徴が数値化されているAIモデルの中間層データを活用し、学習データの多様な特徴を効率的に学習する手法を開発した。開発した学習手法を実際のAI画像検査へ適用した結果、再学習に要する時間を半減可能なことを確認した。