Topics最新トピックス
フォトナビ・目視レスについて
- 時間がかかり過ぎる
- 機械学習には大量の時間を要するため、対象製品が頻繁に入れ替わる食品・部品生産工場には不向き。
- 事実確認が困難
- 機械学習による検査は不定形の製品への対応が困難。製品ごとの差異の確認が不可能な上、クレーム発生時の確認も課題に。
- 微細な傷・汚れの見逃し
- 微細な傷・汚れに対応しきれない。逆に不良品ではない汚れを過剰検知してしまいロスが出てしまうことも。
Problem
画像検査
画像検査
こんなお悩み
ありませんか？
目視検査の代わりに機械学習やディープラーニングによる検査を導入する企業も増えてきました。
しかし、これらの検査方法にはどうしても限界や欠点があります。
実際に機械学習による検査を導入している現場でよく聞くお悩みの声を集めました。
「フォトナビ・目視レス」とは
独自アルゴリズム《ABHB》を使用した、
既存の撮像システムと連携可能な
自動解析ソフトウェアです。
- 金属加工品の欠陥検査
- 電化製品のキズ確認
- 食品の具材カウント
Solution
フォトナビ・目視レスで
フォトナビ・目視レスで
課題解決！
フォトナビ・目視レスなら、膨大な教師データは不要。
機械学習のために何日も時間を費やすストレスからも解放！
「傷や汚れが良品の範疇のものなのか、不良品なのか」
といった、これまでは人間の目によってでしかできなかった判断を高速で行い、素早い検査処理が可能です。
Feature
独自アルゴリズム
独自アルゴリズム
ABHB
だから選ばれる
独自アルゴリズム「ABHB」。
それは、人間が目で見て脳で判断する感覚に近い画像認識技術。
検査・検品における課題を解決するためのソリューションです。
独自アルゴリズム「ABHB」なら
- 少量の画像データがあればOK
- 99％以上の認識精度
- 一般的なPCで使えて導入しやすい
- 高速認識で検査・検品がスムーズ
- 結果が明らかでブラックボックスにならない
Difference
ディープラーニング
ディープラーニング
との違い
独自アルゴリズム「ABHB」なら、傷は不良品で、汚れは良品、というような人間がこれまでの経験や知識により無意識で判断していた内容をプログラム化することができます。
- ヒアリング（Phase0）
- 検査の自動化がうまくいかない課題についてヒアリングさせていただきます。対象製品の画像とその検査概要をご準備ください。
弊社所有している独自アルゴリズムで判定が可能かどうかの見解をお知らせします。
- 検証・開発（Phase1.2）
- 対象製品の画像もしくはワークをお預かりし、弊社の独自アルゴリズムで解析を行い、検証結果レポートをお届けいたします。
- 現場導入（Phase3）
- 実運用に向けたソフトウェアを構築いたします。
Flow
実証/提案から
実証/提案から
導入後まで
安心サポート
ただ導入するだけではありません！
現状画像認識が上手くいっていない原因を精査し検証を行った上で、お客様の課題に合わせたソフトウェア開発をご提案します。
導入後の保守サポートや追加カスタマイズも承っております。
導入事例
-
食品製造過程での
具材カウント - 短期間でメニューが入れ替わるため、機械学習では困難だった食品の検品。目視レスなら不定形な具材の個数や面積を自動解析するアルゴリズムで過不足をチェックできる。
-
自動車部品の
微細な傷・汚れ検出 - 従来において微小なキズや汚れは見逃しも多く、機械学習には膨大なデータと時間を要するため、実用化に至らなかったが、目視レスなら少ない画像データのみで判定可能に。
-
小型魚類モデルの
動線解析 - 魚類の導線・寸法分析において、主流のセンシング技術では複雑なプログラミングが必要であり、数値化も困難だった。目視レスなら水槽の反射・影・魚を人の目のように区別可能に。
その他、
- 半導体検査器具メーカーの部品の搭載踏有無やハンダの検査
- 鉄道会社の設備点検
- 壁紙、床材等の色の検査
- 化学薬品業界の検証
等の実績があります。
よくある質問
Qどのように画像を認識しているのですか。AIは使っていないのですか？
AIは使っておりません。
コンピュータに学習をさせているのではなく、対象物の色や形、大きさ、模様などの特徴量を登録し、それに合致したものを画像の中から検出しています。
詳しくは、「『フォトナビ・目視レス』ABHB 尖りアルゴリズム読本」で事例を交えて解説しておりますので、こちらの資料をご覧下さい。
QABHBが得意とする分野や苦手な分野はありますか？
目視検査の自動化を課題とされている製造業の方々、設備監視やオンライン診療の補助など、人の目を判断基準としているもののルール化が得意な技術です。
一方で、基準が曖昧でルール化が難しいもの、例えば、人物の特定や表情の読み取り、様々なフォントや多言語の文字認識などは、苦手な分野です。
検査対象物をうまく捉えるための光学系、撮像環境のご提案も可能ですのでご相談ください。
Q画像認識にかかる時間はどのくらいですか？
認識したい対象物やカメラの解像度、画像認識ソフトを動作させるPCのスペックにより様々です。
例えば、金属加工品のキズを30万画素のカラーカメラで捉えて、 Windows（Core i7・メモリ16GB・SSD）のパソコンを使用した場合ですと1画像あたり約と0.1秒程度で解析が可能です。
Q導入までにかかる期間はどのくらいですか？
認識対象物やカスタマイズ内容にもよりますが、実運用までに概ね3ヶ月～1年ほどかかります。
お客様の課題のヒアリングからスタートし、実証実験による画像認識の精度確認を行い、実運用に向けたソフトウェアをお客様と伴走しながら構築していく流れとなります。
QAIや機械学習と比べて教師データが少量で良いのが強みとあるが、実際にはどのくらい必要か？
良品の画像を1枚、不良の種類ごとに２～3画像程度あれば、基礎的な解析ロジックを構築することが可能です。
Q費用感はどのくらいですか？
認識したいものや内容で費用が異なります。解決したい課題を添えてお問い合わせください。