# Landing AI 『信頼性の高い機械学習』15章§15.3「鋼材検査」の舞台となる企業。ML エンジニアの Ivan Zhou が、鋼材ロールの製造過程で生じる欠陥の視覚的検査プロジェクトを担当した事例が寄稿されている。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 15 ケーススタディ：MLOpsの実践]] §15.3) 顧客は約10年間、視覚的検査モデルの開発に取り組み製品化もしていたが、精度は70〜80%に留まっていた。Landing AI は新しい深層学習モデルを迅速にプロトタイプ化し、欠陥検出精度93%を達成した。顧客の熱間圧延データセット(21,000画像・38欠陥クラス)を対象に、現地インターン3人を雇って反復的なラベリング(クラスごとに30%ずつ・2週間で3回)とレビューを行い、欠陥定義を継続的に更新しながらラベル作成者間の合意を維持した。最終的に18,000枚の画像にラベルを付け、混乱を招く3,000枚以上を除外し、与えられた時間の10%以下しかモデルの反復に費やさず、大半の時間を誤予測の解析とデータセットのクリーンアップに充てることで、テストセットで93%の精度・エラー率65%減を達成した。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 15 ケーススタディ：MLOpsの実践]] §15.3) ## 関連 - ソース: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 15 ケーススタディ：MLOpsの実践]] - 概念: [[製造工程の信頼性管理]] / [[クラウドソーシングによるアノテーション]] / [[物体検出]] ## 出典 - [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 15 ケーススタディ：MLOpsの実践]](§15.3)