AIを用いた外観検査は画像認識技術を活用した検査手法です。
まず、検査対象物となる製品や部品をカメラで撮影し、その画像データを基に良否の判定基準を設定します。何度かその作業を繰り返し、AIによる画像認識の学習を行うことで、アルゴリズムの精度を高めます。今現在で求められている検査品質を実現するのはもちろんのこと、学習によってその後の更なる精度向上を期待できるのがAI導入の特徴の一つです。
外観検査とAI技術の関係性についてもう少し深掘りをすると、前述したようなディープラーニング・機械学習の利用は検査精度を高める上では欠かすことができないものです。ディープラーニング・機械学習を上手く活用することによって、あらかじめ設定した基準等だけではなく、機械が自動的に不良判定の基準を導いて判断をしてくれます。<br> 機械学習の方法は主に「教師あり学習」と「教師なし学習」に分類されます。
教師あり学習とは、取り込みをした学習データに正解(教師)となるラベルを付けて学習させる手法です。検査対象物となる画像データの不良基準を学習させることによって、自動でそれらを検知・判断させることが可能となります。
一方、教師なし学習とは、正解(教師)のラベルを付けることなしで学習させる手法です。正解となるデータや基準を与えないために、機械が自ら不良基準を設定したり判定を導いたりすることになります。
生産量の維持・増加は製造現場における重要な命題ですが、そのためには検査工程の最適化が求められます。中には、これ以上検査にリソースを割くことができないために生産量を増やせない製造現場も数多くあるのが実状です。
しかし、目視検査からAIを用いた検査に検査手法を変更することで、検査工程を一部自動化できるようになります。その結果、検査の効率化が実現できるだけでなく、製造現場全体の生産効率の向上にも貢献ができます。
検査を行う各作業者の習熟度に差があることも、製造現場が抱える課題の一つです。しかし、AIによる外観検査を導入すれば、あらかじめ設定した基準に基づいて良否を判定するため、検査品質が安定して均一化されます。
また、目視ではジャッジが困難であったり、そもそも認識が難しい微細な欠陥でも検出ができるようになるため、検査精度の向上が期待できます。
AIによる外観検査を実現するには、検査機やAIソフトウェアの導入はもちろんのこと、ワークフロー等の環境構築のために初期費用が掛かります。しかし、その後は配置する作業員を見直すことができるようになるため、検査コストの削減が期待できます。
また、急な欠員に伴う採用の苦労からも解放されます。
まずは、AIを用いることで克服したい外観検査における課題を明確にします。例えば、目視では検出が難しい不良を見つけ出すことで「検査精度を向上」させたいのか、あるいは検査工程の自動化によって「検査時間の短縮」を実現させたいのかなど、実現したい内容を洗い出すことで、本当にAIの活用が適しているのか、そしてその実現は可能なのかを検証します。
実現したいゴールを明確にした後は、AIに学習させるフェーズに入ります。検査したい製品や部品の画像を撮像し、正常品と不良品の仕分けをディープラニングによって覚え込ませていきます。画像データを基に正常品・不良品の規則性を学習していくため、できるだけ多くの画像データを取り込むことで判定の精度が向上します。
本導入の前にトライアルを行い、学習させた内容を期待している精度で実現できるかを検証します。トライアル結果を基にさらに追加学習を行なったり、フローの見直しを行うことで、検査結果の最適化を図ります。そして、判定結果に問題がないと判断した後、本導入へ移行します。
課題背景 | 目視による検査が一般的な金属加工品。傷の大きさや形状が様々であったりする事情からAIによる学習が困難であったが、生産量の増加に伴い検査の自動化を実現したい。 |
---|---|
導入効果 | 人間がこれまで自ら判定していた良否をプログラムで法則化。ディープランニング等の技術を活用することで、目視検査の精度を維持したまま検査を自動化することができた。 |
課題背景 | ひじきやこんぶなど、個体差の大きい食品の目視検査。アレルギー食品として指定されているエビやカニなどの検出が困難であった。 |
---|---|
導入効果 | 定義の難しい画像判定をAIでルール化することにより、目視や金属探知機での検出が難しいレベルの異物混入も瞬時に判定ができるようになった。小さなエビやカニだけではなく、目視では見落としがちになるビニール片などの検知も幅広くカヴァーした。 |
課題背景 | 検査項目が多く、複雑な角度によって検査判定が難しい複層ガラス。一つ一つを人の目で検査していたため、膨大な時間が必要なことに頭を悩ませていた。 |
---|---|
導入効果 | キズ・コーディングの不備・汚れ・気泡など複数の不良項目をAIで学習させた。オリジナルの全自動欠陥検出システムを開発することで、複数の良品判定も瞬時に行えるようになり、検査時間が大幅に削減された。 |
AIを用いた画像処理技術による外観検査を実現できれば、従来の目視検査で抱えている課題を解決することができます。検査精度の向上はもちろんのこと、工程の自動化による検査効率の向上、人的コストの削減を見込むことができます。まずはAIを導入することによって既存のどのような課題を解決したいのかを洗い出し、その課題に貢献できる製品を選択するようにしましょう。
これまで不可能だった微細な欠陥を検知し、0.1秒の高速判定を実現
ディープラーニング技術を用いた外観検査AIシステム「ZENAI(ゼナイ)」により、お客様の課題解決を支援します。ZENAIで外観検査工程を自動化します。高度な画像分類により、不良や傷・異物の検出が可能です。これまで不可能だった微細な欠陥を検知でき、0.1秒の高速判定を実現しています。
量産ライン実績多数 グレーゾーン・過検出抑制に効くAI画像検査
WiseImaging(ワイズイメージング)はディープラーニングを活用したAI画像検査システム。
検査画像データを学習して精度を高め、従来の機器では対応できず目視している検査の自動化を実現します。
検査工程の効率向上に向けて、グレーゾーン縮小、過検出抑制にご活用ください。単体での使用はもちろん、既存画像検査機器や各種生産設備との連携も可能。
FA機器に強い技術者がインライン化までお手伝いします。
最新バージョンでは判定モデルを自動生成する「AutoML」を搭載。AIの専門知識やノウハウがなくてもAI画像検査を設定することが可能となっています。
【検査機で検出できない不良を検出!】 高精度・高速処理を実現する外観検査AI
「InspectAI」(インスペクト・エーアイ)は、アラヤの高いAI技術により外観検査を実現するパッケージソフトです。
脱ブラックボックス、見える・触れてわかる検査AI
品質検査業務に関してこんなお悩みはありませんか?
✔︎品質検査の人件費がかさんでいる
✔︎品質チェックのスタッフの採用が大変
✔︎スタッフのミスを防げず不良品が流出してしまう
✔︎検査業務にAIを導入したいがAIエンジニアの採用ができない
✔︎1商品あたりの検査コストを正確に把握したい
✔︎目視ベース&ルールベースの品質検査からAIベースの検査に切り替えたい
◼︎Roxy AIを使えば、簡単に高精度のAIモデルを作成できます。
AIの感じ方を可視化し、学習データの弱点を補強することで精度を高めていきます。
Roxy AI独自のAI作成プロセスで、AIに詳しくない方でも簡単に高品質なAIを作成できます。
不良品の検出だけでなく、異物検出や残留物のチェックなど、幅広い用途でお使いいただけます。
「数十枚の正常データのみで学習できる! 数秒で学習可能!」
AIを使った外観検査自動化。異常データ収集に苦労していませんか?AI外観検査ソフトウェア「gLupe」のご紹介です。
● 製造業における製品の外観検査に特化したソフトウェア
● Deep Learningを応用した当社独自の高性能エンジンにより、数枚や数十枚程度の少量データの学習で不良検出が可能
● 機械学習やDeep Learningの知識があまり無い方でも使用できる、簡単操作を実現