ニュース

背景

お客様のニーズは以下３点になります。
① 不良品を次工程への流出を防ぐため、出荷前に全数目視検査の実施が必要である
② 各検査員の個人差や疲れによる見逃し等が生じるなどの問題がある
③ 事後に何か問題が発生したら現物がないため、追加検証ができない

システム概要

システム開発ポイント

画像の中の物体は何か、どこにあるのか、そして、どのように相互作用しているのかを人間が瞬時に理解できるように システムが同じように判断できることをシステム開発目標としています。

また、AI画像認識では、一目見ただけで物体検出ができることが強みであることから、目視検査に適用と考え、 この手法で今回のシステム開発にチャレンジすることにしました。

システムの詳細は以下のフローチャートになります。

開発環境及び学習成果

開発環境

カメラ：
3840x2160 画素（４K解像度）

計算サーバー：
CPU: Intel Core i7-9700K 3.6Ghz
GPU: Nvidia Geforce RTX 2080
OS: Windows10 Pro
Software: Microsoft Visual Studio Professional 2017

学習曲線

まとめ

鋳物不良部位検出の有効性は確認できました。
最適AIモデルを評価することで、現場でも安心して使用できます。

さらに、弊社AI画像認識のノウハウにより外乱要因を抑制することができて、検出精度の大幅向上に繋がりました。
また、現場適用後にも、未知の画像を訓練データに追加し、再度AIモデルの学習機能を行うことで、 検出精度改善のフィードバックが期待されます。