製品の特徴

の概要

  • 正常品+少数の不良品で AIを学習

不良品を学習することで高精度な検査を実現します
必要なサンプル数は正常品100個、不良品を種類毎に30個程度
学習していない未知の不良を違和感として検知できます
    ※すべての不良を検知することを約束するものではありません

 

  • AIエンジニアが不要な AI検査製品

目視検査できる人であれば、簡単に短時間でAIを作成できます
パラメーターチューニングではなく、精度をあげるプロセスを重視
運用開始後でも、現場で簡単・瞬時に精度を補正できます

 

 

  • AIの個性が見てわかる、触ってわかる

AIの出来栄えは、数字だけでは測れません
はAIの個性を可視化します
また、AIの感度を実際に触って確認できます

 

の活用シーン

  • 不具合検出 ⇒ 製品の品質検査

様々なタイプの不具合(傷やヤケなど)を検出
判定方法をルール化できない不良の検出が得意

 

 

  • 異物混入検査 ⇒ 食料品、農作物、衣料品などの検査

生産物に紛れ込んだ金属片、段ボール、髪の毛などの異物を検出
複雑で多様性のある環境での検査で真価を発揮

 

 

  • 残留物検査 ⇒ 生産設備の正常性確認、食器の洗い残しチェックなど

ベルトコンベアや洗浄設備などに残った製品や部材を検出
油や埃が多い現場でも問題なし

 

AI作成プロセス

パラメータチューニングに頼らず、精度をあげるプロセスでよいAIモデルを作成します

※各ボックスは各機能の説明にリンクされています。(ボックスをクリックしてください)

ワンクリックアノテーション

一般的なAI検査製品

(アノテーションが必要な製品の場合)

    • 正確なアノテーションが求められます。
      神経を使い、時間をかけて丁寧に作成

    • 不良付近を1クリックするだけ。パソコンに
      不慣れな方でも大丈夫
    • 多少ずれたりはみ出しても精度に影響ありません
※画像をクリックすると動画が表示されます

パーセプション:AIの個性を可視化

これまでのAIの多くの難しさを克服
  • 正常品を表す緑の線と不良品を表す赤の線が、AIの感じ方を可視化して、AIモデル作成を強力にサポート。

個性を見比べてAIを選択

一般的なAI検査製品
  • 学習終了時点のAIが一番賢いとは限りません
  • 精度や損失などの数値指標だけでは、良いAIを選ぶことができません
  • AIの個性を比較してどのAIを採用すべきか判断できます
  • 数値指標上は同じ精度でも、AIの個性は違います

※数値指標は左右で同じですが、正常と不良の捉え方が違います 

※個性を見る必要性

正常/不良をうまく分離できていないと、
適切な閾値の範囲が狭くなります
※外光などの影響で誤判定しやすい「不安定なAI」

うまく分離できていると、適切な閾値の範囲が
広くなります。
※閾値に余裕があり、外乱に堅牢な「安定なAI」

データクリーニング

  • 学習データの中から、怪しいデータをAIが自動的に抽出します
  • ヒストグラム上、正常/不良が混在している区間を重点的にチェックします
  • 拡大画像・全体画像を確認して、不正なデータの扱いを人が判断します
  • 問題があれば該当画像を削除、または、正常/不良を入れ替えます

触診

一般的なAI検査製品

  • 検出漏れ/誤検出があっても、調査のしようが
    ありません

  • 検出漏れ・過検出した箇所をマウスで
    なぞることで、AIがどのように感じて
    いるかを確かめられます。
  • 不良を検出するとマウスが振動。
    AIの確信度を振動の大きさで把握
    できます

類似データの抽出

一般的なAI検査製品

  • 弱点を補強するために学習データを水増ししますが、膨大な学習データの中から
    適切な画像を選択するは大変です
  • マウスでポイントした領域に似ている学習データをAIが抽出できるので、
    水増しするデータを選択する時間を短縮できます

ワンクリックブースト

  • 判断基準の是正や学習データの水増しはワンクリック
    • 正常とも不良とも言えない画像は削除
    • 正常と不良が間違っている場合は入れ替え
    • 特徴を掴みにくい画像は水増し