導入実績

顧客対応管理AI

データ化された顧客とのやり取り、例えばテキストデータや音声録音データを元にして、とるべき対応別に分類したり、重要な情報を抽出します。これにより、コールセンターや問い合わせ対応の業務の一部を自動化し、人件費の削減に貢献しています。

実績

問い合わせメール文の分類 ~顧客対応のための重要情報を可視化~

問い合わせメールの文章を、「注文のキャンセル」「ユーザー情報の変更」などに分類するシステムを実現しています。
システム運用コスト削減のために、軽量な分類モデルを選択しています。また、実際のデータセットには通常、例えば特定のクラスの文書が極端に少ないといった、データの偏りが存在します。これを解決するため、詳細にデータの分析を行い、適切な分類の提案・文法の知見を用いた前処理・疑似データの生成などの手法を駆使し、最終的に高い分類精度を達成しています。

電話音声の文字起こし ~顧客対応業務に最適化した自然文の生成~

電話録音データを加工し、音声認識APIにより文字化します。
一般に電話音声は 音質が限られており、顧客側のノイズなどの環境もコントロールが不可能なため、音声認識には適していません。そのため、ノイズの削減、音声区間検出、話者分離といった処理を行い、クリーンな音声に基づく精度の高い音声認識を実現しています。
また、単語出現予測を行うディープラーニングモデルを学習、モデルの予測と文字起こし結果と比較し、修正することで、業務に最適化した自然文を生成しています。

画像認識

最新のディープラーニングから古典的なアルゴリズムまで、画像処理に関する専門知識に基づいて 、 物体認識、分類、画像生成などに対応します。また、画像認識のタスクにおいては、対象画像の種類や収集可能な画像データの性質によって最適な手法が変わってきます。弊社ではこれまで、対象に関する調査や、画像取得の現場へのヒアリングを通して、適切な手法を選定するという取り組みを続けています。

実績

害虫判別 ~高精度かつ、リアルタイムでの害虫発生チェック~

捕虫シートの撮影画像から、虫の種類と数を判別するシステムを構築しています。
ディープラーニングだけでは対処できない場合を補助するコンピュータービジョンのアルゴリズムを加え、互いを補完することにより、多くの種類の虫に対して高い精度で害虫の発生具合をリアルタイムでチェックしています。
また、ディープラーニングモデルの学習には大規模な画像データを必要としますが、実際の画像データは捕獲できた虫に依存するため、虫の種類によっては十分な量が取得できない場合があります。その場合、弊社では生成モデルなどを利用した学習データ拡張を行い、可能な限りの分類を目指します。

微小物体の探知 ~生産工程中の衛生管理に寄与~

Moldプロジェクト
Bacteria2
顕微鏡で撮影した画像から、カビ/バクテリアの種類と数を判別するシステムを構築しています。
ディープラーニングとコンピュータビジョンのアルゴリズムの中から、最適なアルゴリズムを選定、組み合わせることにより、映像や画像中のカビ/バクテリアの存在を探知しています。
既存の生産工程中にシステムとして組み込む事により、衛生管理に貢献することが可能です。