人物埴輪の顔類似度評価
課題: 埴輪の分類は形状や装飾の観察に基づく主観的判断に依存しており、より細分化された分類を裏付ける客観的・定量的手法が求められている。
手法: 3次元点群から顔パーツを自動抽出し、深度画像を生成。深度画像を入力とした機械学習により顔の類似度を評価する。
結果: 人物埴輪の顔部特徴を数値で比較でき、客観的な類似度評価を可能にした。
古墳分布予測
課題: 広範囲に分布する古墳群周辺では、未発見古墳の調査に多大な人手・時間・コストを要する。
手法: UAV-LiDAR地形点群データと既知の古墳分布の関係に着目し、深層学習を用いて古墳存在確率を推定する手法を提案。
結果: 古墳存在確率を2次元ヒートマップおよび色付き3次元点群として可視化し、重要地形特徴と立体地形を同時に把握可能とした。
石器の3次元トポロジー図の抽出
課題: 石器分析は目視による手作業が中心で、時間と労力がかかる点が課題である。
手法: 3次元計測による点群データを用い、エッジ特徴と接合領域（ジャンクション）を統合的に抽出する手法を提案する。
結果: 表面の鋭さを高精度に評価可能とし、石器形状の類似度計算において効率的かつ低計算コストな特徴抽出を実現した。
石器の画像識別と管理支援
課題: 発掘された石器の保管・管理において、識別ミスや収納袋の取り違えといった人的エラーが発生する
手法: 石器ごとに定義した2種類の安定姿勢画像を用い、CNNおよび事前学習済みモデルによる深層学習を実施。
結果: 従来研究より高い識別精度と処理速度を達成し、高性能なモデルをYOLOベースの検出器として実用環境向けに構築した。
骨折片の整復シミュレーション
課題: 実際の手術では試行回数が限られ、骨片の位置合わせや可視化が困難である。
手法: 計測した点群データを用い、骨表面を健全部と骨折面に分離し、エッジ形状の対応付けにより骨片を自動再構成する。
結果: シミュレーションにより術前計画の効率を向上させ、手術中の試行錯誤を低減することに目指している。
石器の再組立
課題: 破片化した石器を高精度かつ効率的に再組立すること
手法: 計算効率の向上に重点を置いた剥離面マッチングアルゴリズムを提案
結果: 43点の石器点群モデルを用いた実験により、高速かつ高精度な石器再組立を実現した。
Hyperspectral Band Selection
Issue: Curse of dimensionality, data redundancy, high computational costs, and storage issues in hyperspectral imaging.
Method: Global Affinity Matrix Reconstruction.
Result: We proposed a method that identifies the most informative hyperspectral bands to enhance machine learning performance.
Feature Selection Validation
Issue: Curse of dimensionality, data redundancy, high computational costs.
Method: Compare clustering accuracy before and after applying feature selection.
Result: We verified that selecting the top 10% of representative features led to improved clustering accuracy.
Partial Shape Matching
Issue: How to estimate the internal 3D pose of the joining material?
Method: Divide-and-conquer strategy.
Result: We propose a method that performs partial shape matching between flake surfaces and joining material surfaces based on point cloud measurements, enabling more accurate alignment and fitting.
Component Reassembly Assistance
Issue: How to assist with component reassembly?
Method: Recording and replaying the disassembly sequence with simple marker detection.
Result: We propose a method to support component reassembly by guiding users through the recorded disassembly order, enabling faster and more accurate assembly.
Wine Cork Inspection
Issue: How to automate the inspection of wine corks for scratches or damage?
Method: Multi-scale Faster R-CNN.
Result: We propose a machine vision system to automatically detect the presence, severity, and type of scratches or damage on wine corks.
Center-Symmetrical Object Detection
Issue: How to detect center-symmetrical objects and identify their centers in arbitrary images?
Method: Gabor wavelet analysis.
Result: Our method accurately detects center-symmetrical objects and their central points.
Rat Senseing
Issue: How to analyze rat behavior using the optomotor response automatically?
Method: Contour line curvature analysis.
Result: We present a system that automatically extracts the rat’s head gaze orientation from each frame.
Real-time Profile Face Detection
Issue: How to speedup profile face detection?
Method: Dynamic image processing.
Result: We propose a method based on genetic algorithms.
Multiview Face Detection
Issue: How to detect various views of human face?
Method: Flipping Scheme.
Result: We propose a method to enhance the capability of frontal face detectors to detect multi-view faces.
鶏肉の品質評価（色判定）
課題: 鶏肉の鮮度を示す色を非破壊・非接触で客観的に評価すること
手法: スマートフォンで撮影した画像を用い、カラーカードによる自動色補正と画像解析を行う低コスト手法
結果: 補正後の色情報に階層クラスタリングを適用し、鶏肉の品質を3段階に分類可能であることを示した。
サンマの損傷検出
課題: パッケージング工程に外観損傷を人手で検査しており、作業負担が大きい
手法: ボディ領域と頭尾方向を自動で判定し、CNNを用いて体表の損傷を検出する
結果: 転移学習モデルにより、損傷判別で98.2%の高精度を達成した。
サンマ頭尾判定
課題: パッケージング工程に頭尾向きを揃えて整列させる必要がある
手法: カスタム頭尾輪郭ルール判定
結果: ボディ抽出と頭尾判定手法を提案し、パッケージングパイプラインに適した高速処理を実現した。
蒲焼缶詰
課題：蒲焼缶詰製造ラインの自動化
手法：テンプレートマッチング
結果：適応度関数値の高い候補を優先的に提示し、ロボットアームが把持する順序を決定するシミュレーションを実現した。
Line Filter Design
Issue: How to design a super-fast defect detector over flat surface?
Method: Custom line filter design.
Result: We propose a series of line filters tailored to detect defects on surfaces that are flat or exhibit directional flatness along the x-axis, y-axis, or diagonals.