現場で使いこなせるAI検査

事例

事例

Roxy AIを使えば、簡単に高精度の
AIモデルを作成できます。
以下に、その一例をご紹介します。

  1. ナッツの段ボール片混入検出
  2. ゴム部品のキズ等の不良検出
  3. 抵抗の異種検出

※いずれの事例でも、60~100枚程度の画像、20分~30分の学習で、精度100%を達成しました。
(ナッツの段ボール片混入検出事例は、撮影から学習、テスト・精度出しまで2時間未満で達成。)

Case study 01

ナッツの段ボール片混入検出
食品の異物混入検査事例です。見分けにくい食品などの背景から異物のみを抽出できます。

学習画像サンプル

  • 正常画像1
  • 正常画像2
  • 不良画像
    ※判別しにくい小さな段ボール片が混入

学習結果

学習グラフとパーセプション

  • 不良をすべて検出

    8

  • 正常品

    12

  • チェックミス

    0

検証結果サンプル

  • 不良サンプル1の元画像
  • 不良サンプル1の検出結果
  • 不良サンプル1の検出結果
    (不良部位ヒートマップ付き)
  • 不良サンプル2の元画像
  • 不良サンプル2の検出結果
  • 不良サンプル3の元画像
  • 不良サンプル3の検出結果

Case study 02

ゴム部品のキズ等の不良検出
工業製品の外観検査事例です。製品個体差が多く、ルールベース検査では困難です。ゴム製品の他、金属・樹脂などの製品でも高い精度での外観検査が可能です。

学習画像サンプル

  • 正常画像例(42個中の6個)
    ※かなりの製品個体差あり
  • 不良画像1
  • 不良画像2

学習結果

学習グラフとパーセプション
(※学習時間約30分)

  • 不良をすべて検出

    6

  • 正常品

    6

  • チェックミス

    0

検証結果サンプル

  • 不良サンプル1の元画像
  • 不良サンプル1の検出結果
  • 不良サンプル2の元画像
  • 不良サンプル2の検出結果

Case study 03

抵抗の異種検出
工業製品の異物検査の例です。目視ではうっかり見逃してしまいそうな目立たない製品差も、確実に検出します。

学習画像サンプル

  • 正常画像1
  • 正常画像2
  • 不良画像
    ※2種類の異種抵抗が1つずつ混入。
    1つは、赤い線の本数だけ違う判別のしにくいもの。

学習結果

学習グラフとパーセプション

  • 不良をすべて検出

    10

  • 正常品

    10

  • チェックミス

    0

検証結果サンプル

  • 不良サンプル1の元画像
  • 不良サンプル1の検出結果
  • 不良サンプル1の検出結果
    (不良部位ヒートマップ付き)
  • 不良サンプル2の元画像
  • 不良サンプル2の検出結果
  • 不良サンプル2の検出結果
    (不良部位ヒートマップ付き)