取り組んでいること
2D画像では小さな凹みや出っ張りは見えにくいですが、レーザープロファイラなら各位置の高さを直接測れます。データ取得、移動制御、高さマップ処理、欠陥検出までを通して実践し、すべての手順を再現可能にしたいと考えています。
自己紹介をもっと見る研究の3つの柱
センサーデータの取得と出力
LJ-X8000Aコントローラ経由でLJ-X8020センサーヘッドのプロファイルを読み出し、Pythonで再現可能な形式に保存します。
3軸制御と同期
ステージを設定どおりに動かし、各プロファイルを位置と対応づけて、正しい高さマップを組み立てます。
高さマップ・点群・欠陥検出
プロファイルを高さマップや点群にまとめ、水平補正とノイズ除去をして、基準との比較で欠陥を見つけます。
2か月、4つの段階
各段階に確認できる成果を置きます。目標は「学んだ」ではなく「作った」ことです。
- 1〜2週目
原理とデータ取得
連続プロファイルをノイズ統計つきで保存
- 3〜4週目
3軸制御と同期スキャン
最初の完全な高さマップ
- 5〜6週目
高さマップ処理と欠陥検出
意図的な欠陥つき試料で欠陥を表示
- 7〜8週目
評価・再現性・統合
1つのコマンドでスキャンから欠陥レポートまで
並行して進める小さなプロジェクト
修士論文と並行して、2つの小さなテーマでデータ処理、自動化、エージェント設計を練習します。得られた手法は論文のコードに戻します。
投資データのプロジェクト
公開された相場データを取得・整形し、簡単なバックテストと可視化を行います。データ処理の練習が目的で、投資の助言ではありません。
教育ツール
学習ノートの整理、練習問題の生成、進捗の記録を行う小さなツールで、エージェント設計を練習します。
よくある質問
なぜ普通のカメラではなくレーザープロファイラですか？
普通のカメラが記録するのは明るさで、高さの変化は間接的にしか推定できません。レーザープロファイラは三角測量で各位置の高さを直接得られるため、凹み・出っ張り・傷のような欠陥に向いています。
結果の再現性はどう保ちますか？
パッケージのバージョン固定、パラメータの設定ファイル化、乱数シードの固定、生データと処理結果の分離保存、出力ごとの使用パラメータの記録を行います。
開発でAIツールはどんな役割ですか？
Claude Codeなどを、定型コード、リファクタリング、テストの高速化に使います。測定ロジックと結果は、生成されたコードを信じ込まず、実測データで自分で検証します。