形状も色もバラバラな素材に挑んだAI検査。現場での工夫と成果とは？
「不定形・不均質な素材の検査が難しい…」
そんな悩みを抱える製造現場において、近年注目されているのが“AI外観検査”の活用です。
特に、茶葉のような自然素材では、形状や色味にばらつきがあり、従来の画像処理では異物検出の精度や過検出の多発が課題となってきました。
今回ご紹介する資料では、そうした難検査素材に対しAIを活用することでどのようなアプローチを取り、どのように検査制度を改善したのか、実際の導入事例をもとにまとめています。
こんな方におすすめ：
・不定形・自然素材の外観検査に課題を感じている方
・AI検査に興味はあるが、実用レベルでの活用事例を知りたい方
・工数・検出精度・システムコストのバランスを改善したい方
資料では、検査対象の画像や構成例、AIの学習方法など、現場に役立つ内容を豊富に掲載しています。詳細は資料をダウンロードいただいた方限定でご覧いただけます。
「この素材にAIは対応できるのか？」「実際にどこまで検出できるのか？」
そのヒントを、ぜひ本資料でご確認ください。
このカタログについて
| ドキュメント名 | 茶葉など不定形素材の異物検査にAIは通用するのか？導入事例を公開！ |
|---|---|
| ドキュメント種別 | 事例紹介 |
| ファイルサイズ | 3Mb |
| 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
『材料(茶葉)異物検査』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
– 材料(茶葉)の異物検出
課題（要改善ポイント）
– 過検出
• 対象物の形状、⾊味のばらつきが⼤きく、⽋陥箇所のみの検出が容易ではない
– システム価格
• 比較的広い視野に対して細かな⽋陥の検出が必要で、高い分解能での撮影が必要となる
茶葉 画像例（良品） 茶葉 画像例（不良）
Page2
『材料(茶葉)異物検査』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
• カラーラインカメラ
– 照明
• 白⾊ライン照明
利点
– 画像分割を⾏うことで分解能を保ったまま広視野の検査が可能 ➡ 検査能⼒の向上
good
画像分割 学習
bad
撮影画像 分割画像
Page3
『材料(茶葉)異物検査』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
• 検査対象の位置、向きが異なる画像をまとめて学習を実施
利点
– 従来のルールベース画像処理では、様々な形状 ⾊味の対象物中の異物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
– 複数台のカメラを利⽤する場合でも共通の学習モデルで検査可能 ➡ 開発工数の削減
Page4
『材料(茶葉)異物検査』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（左︓撮影画像、右︓不良箇所[赤⾊] 表示画像） 不良画像例（左︓撮影画像、右︓不良箇所[赤⾊] 表示画像）
Page5
『材料(茶葉)異物検査』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