不良箇所を指定し、
特徴を学習する
不良箇所を色塗りして学習データを作成します。自動フィッティングが指定範囲の調整を支援します。
NuLMiL
不良見本を色塗りで教示。現場で学習・評価・改善できる外観検査AI。
外観検査を支える
3つの機能
不良の特徴を学習し、現場の判定基準に合わせて検査します。
不良箇所を指定し、
欠陥を検出・分類し、
判定基準を設定する
欠陥の位置と種類を識別します。確信度や面積・長さ・幅のしきい値を用いて、対象に応じた判定基準を設定します。
検査結果を確認し、
追加学習につなげる
NGマップで見逃した画像と既存のNG画像を比較。追加学習に使う画像を選び、検査精度の改善につなげます。
撮像から設備連携まで、
検査工程に合わせて設計。
検査対象に合わせて照明・光学系とAIを検討します。ソフトウェア単体、検査装置、既設ラインとの連携に対応します。
- 撮像・照明の設計サンプルを用い、材質・形状に応じた欠陥の見え方を確認。
- 装置・ラインとの連携画像共有やOK/NG信号の受け渡しを設計。
- 稼働後の改善実際の検査結果を評価し、追加学習を支援。
検査対象と判定基準に応じて、
適用を検証。
欠陥を捉える撮像条件を確認し、対象と判定基準に応じて適用を評価します。
| 金属・樹脂部品 | 傷、欠け、変形などの欠陥検出 |
|---|---|
| ガラス・フィルタ | 傷、割れ、異物などの検査 |
| ゴム・木材 | 表面の欠陥や材質ごとの不良を学習 |
| 容器・錠剤 | 撮像条件と判定基準に応じた良否判定 |
適用可否・検査精度・処理速度は、対象、画像条件、装置構成に応じてサンプルで評価します。
学習の調整と希少不良への対応を、
オプションで支援。
オートノマス学習は、2つの検出結果を選ぶフィードバックから、前処理やパラメータを自動探索。擬似不良生成は良品画像に不良領域を合成し、希少不良の学習データを補強します。
精度向上パッケージはオプションです。提供機能は契約プランにより異なります。必要なデータ数・学習時間・精度は、対象ごとに確認します。
よくあるご質問
検証にはどのようなデータが必要ですか？
検査対象のサンプルや画像、良否の判定基準、検出したい欠陥をご用意ください。画像がない場合は、撮像条件の検討から対応します。
既存設備と連携できますか？
画像共有やOK/NG信号の受け渡しによる連携に対応しています。設備の接続方式、検査タクト、運用条件を確認し、連携方法を設計します。
不良画像が少ない場合も検証できますか？
不良の種類・ばらつき・撮像条件を確認し、必要な画像を整理します。希少不良は擬似不良生成（オプション）で補強し、実不良の画像と組み合わせて評価します。
学習していない不良も検出できますか？
未知不良検出で、学習データにない異常を候補として検知できます。撮像条件や不良の特徴によって結果が異なるため、サンプル評価で適用範囲を確認します。
検査データを工程条件の改善に活用。MIZEROSS
工程改善AIを見る