金属合わせ面の検査課題をAIでどう解決？現場導入の実例を公開
「金属合わせ面の鋳巣検査において、過検出が多く、品質・工数・コストに課題がある」――そんな現場の声をもとに開発されたAI外観検査ソリューションの導入事例をご紹介します。
従来のルールベース画像処理では見分けが難しかった“微細な不良”と“正常な状態”。この境界をどう乗り越え、検査精度を向上させたのか。AIを活用することで、どのようなメリットが得られたのか。
この資料では、実際の現場におけるAI導入の流れや使用した機器構成、AIの活用ポイントを含むソリューション全体をまとめています。検査工程において精度と効率の両立を目指す現場にとって、ヒントとなる情報が詰まっています。
なお、本資料は下記のような方に特におすすめです：
・AI外観検査の導入に関心があるが、どこから始めればよいか分からない方
・検査工程で過検出・誤検出に課題を抱えている方
・具体的な構成例や実装環境を知りたい方
・導入後の効果や改善インパクトを知りたい方
詳細な画像、構成図、検査結果例なども掲載しています。AIによる検査精度向上の実力をぜひお確かめください。
このカタログについて
| ドキュメント名 | AI外観検査による鋳巣検出の改善事例｜過検出を抑えた高精度な検査とは？ |
|---|---|
| ドキュメント種別 | 事例紹介 |
| ファイルサイズ | 1.4Mb |
| 登録カテゴリ | |
| 取り扱い企業 | 株式会社Phoxter (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
『金属合わせ面 鋳巣検査』の課題解決
AIを活用した外観検査 改善ソリューションの御紹介
適用アプリケーション例
– 金属合わせ面 鋳巣検査
課題（要改善ポイント）
– 過検出
• 製品上のヘアラインや汚れと不良を見分け、適切に判断する為の検査アルゴリズムの構築が困難
• 正常範囲の微細な鋳巣は検出せずに不良のみを適切に検出する為の検査アルゴリズムの構築が困難
– システム価格
• 検査対象が大きくなる場合に、対象物全体を1度に撮影を行うと照明等の機材が大型化してしまう
金属合わせ面:良品箇所 金属合わせ面:不良箇所
Page2
『金属合わせ面 鋳巣検査』の課題解決
AIを活用した外観検査 改善ソリューションの御紹介
光学機器
– カメラ
• モノクロカメラ
– 照明
• 白色 穴あき面照明
利点
– シンプルな機器構成で様々な対象物の検査平面を均一に照射可能 ➡ 汎用性の向上
カメラ
レンズ
照明
対象物
Page3
『金属合わせ面 鋳巣検査』の課題解決
AIを活用した外観検査 改善ソリューションの御紹介
AI検査の活用
– ディープラーニングによる外観検査ソフトウェア Preferred Networks Visual Inspectionによる学習
利点
– 従来のルールベース画像処理では、表面上のヘアラインや汚れなどを避け不良箇所のみを検出することが
容易ではないが、AIの活用により欠陥箇所のみの検出を実施可能 ➡ 過検知の改善
– 検査面の明るさに不均一さが生じた場合でも不良箇所の検出が可能 ➡ 過検知の改善
– 対象物を分割して撮影した画像を1つの学習モデルで検査可能 ➡ 開発工数の削減
Page4
『金属合わせ面 鋳巣検査』の課題解決
AIを活用した外観検査 改善ソリューションの御紹介
AI検査結果
良品画像例（上:撮影画像、下:検査結果 不良箇所[赤黄色]） 不良画像例（上:撮影画像、下:検査結果 不良箇所[赤黄色]）
Page5
『金属合わせ面 鋳巣検査』の課題解決
AIを活用した外観検査 改善ソリューションの御紹介
設備導入
– AI検査対応ハイブリッド型 画像処理システム AI StellaControllerの活用
• Preferred Networks Visual Inspectionの学習済モデルを用いて検査を実施可能
• 製造設備で求められる下記機能をAll in Oneで提供
– カメラ接続、設定画面、画像処理、AI検査、画像保存、Digital IO、PLCリンクなど
利点
– Preferred Networks Visual Inspectionで作成した学習モデルをコピーすることでAI検査を実施可能
➡ 開発工数の削減
– AI検査を設備導入する上で追加のアプリケーション作成が不要 ➡ 開発工数の削減
– AI検査の前後に必要に応じて従来のルールベース画像処理を追加することも可能で、現場の要求に対する
柔軟な対応が可能
オンボードDIO PLCリンク
設定画面 画像処理
AI検査 画像撮像・保存