検査自動化を失敗させないための基礎知識_Preferred_Networks_Visual_Inspection

なぜ今、 外観検査の自動化に AI（深層学習）が 必要なのか？ 検査自動化を失敗させないた めの基礎知識

従来の画像処理との違いを理解する ■ ルールベース外観検査の課題 従来のルールベース検査では、人間が細かなルールを設定します。例えば 「傷の長さが〇ミリ以上」「輝度が〇％以上濃い」といった数値条件です。 しかし、金属の光沢のばらつき、布のシワ、色の個体差など、環境や製品の個 体差に対応できず、以下の問題が発生します： ✓ 過検出：実は良品なのに「NG」と判定（廃棄ロス） ✓ 見逃し：実は不良品なのに「OK」と判定（品質リスク） ✓ 品種変更時：ルール再設定に膨大な時間が必要 ■ 深層学習（AI）がもたらす可能性 人間が細かいルールを教える必要がなく、コンピューター自らが「良い状態」と 「悪い状態」の違いを学び取ります。 → ベテラン検査員の「目利き」に近い自動化が実現 → 環境変動や製品の個体差に対応した高精度検査を実現 → 品質向上と生産効率向上を同時に達成

AI外観検査の2つのアプローチ AIによる外観検査には、主に2つのアプローチがあります。 ① 教師あり学習（良品＆不良品の両方を学習） 原理： 良品と不良品の両方の画像を学習させ、「これが良品、これが不良品」と教える メリット： 微細な不良を最も安定して高精度で検出 適用例： 半導体、電子部品、食品検査など ② 教師なし学習（良品のみを学習） 原理： 良品の画像だけを学習させ、そこから外れたものを「異常」と判定 メリット： 不良品の画像が不足しても対応可能 適用例： 多品種少量生産など 2つのアプローチ比較 比較項目 教師あり学習 教師なし学習 検出精度 極めて高い 中程度 準備工数 多い（要アノテーション） 少ない

AI外観検査プロジェクトを成功させる 3ステップ ステップ1：検査対象とタクトタイムの整理 • 材質の特性（金属、樹脂、布、食品など）を理解 • 光の反射や個体差の特徴を把握 • 要求される処理速度（1枚あたり何ミリ秒か）を明確化 ステップ2：データ収集と学習方法の検討 • 膨大なデータ準備が現実的かを判断 • 少ないデータでの立ち上げが可能かを検討 • 詳細なアノテーション（手作業）の工数を評価 ステップ3：現場での運用体制をシミュレーション • 現場の作業員が使いやすいシステムか確認 • 品種変更時に容易に対応できるか確認 • サポート体制が充実しているか確認 これ以外にも導入実績が多く、信頼できるAI外観検査ソフトウェアを選択すること も重要となってきます。

Preferred Networks Visual Inspection 最大の特徴：アノテーション（画像ラベル付け）が不要！ なぜアノテーションが不要なのか？ 従来のAI外観検査では、精度の高い検査をするために教師あり学習を選択した 場合、不良個所を細かく矩形で囲んだり、塗りつぶしたりといった「アノテーション」 作業に膨大な時間がかかっていました。 Preferred Networks Visual Inspectionは、Preferred Networks独自の深層学習 技術により、「良品」「不良品」の2つのグループに分けるだけで、AIが自動的に不 良箇所を正確に判断します。 従来のAI外観検査 vs Preferred Networks Visual Inspection 従来のAI検査 Preferred Networks Visual Inspection 準備工数 準備工数 数千～数万枚の画像に対して、細かく 「良品」「不良品」フォルダに分けるだけ 矩形で囲んだり、塗りつぶしたり、ラベ でOK。 ル付けの作業が必要。 アノテーション作業は一切不要。 （数週間～数か月の時間が必要） （数日で立ち上げ可能） 現場での対応 現場での対応 品種変更時に新たなアノテーション作 新しい画像を「良品」「不良品」フォル 業が必要になるため、立ち上げに時間 ダに追加するだけで即座に再学習が がかかる 可能 5つの強みで、すべての課題をクリア 1. 詳細アノテーション不要 ★最大の特徴★ 複雑な画像ラベル付け作業は一切不要。「良品」「不良品」に分けるだけで十分。 2. 少ないデータで学習可能 良品100枚、不良品20枚から高精度に学習。膨大なデータ収集の手間を大幅削 減。 3. GUIで直感的に運用

プログラミング知識不要。現場の作業員が簡単に学習・更新を実施可能。 4. ヒートマップで可視化 不良箇所を赤く表示。AIの判断根拠が一目瞭然。 5. タクトタイム要件をクリア GPU活用で画像1枚あたり10ミリ秒～の高速処理。厳しい生産ラインに対応。 導入実績 250社以上 自動車 / 電子デバイス / 半導体 / 食品 / 建築 など AI外観検査のご導入につきお悩みがあれば下記よりお問い合わせください。 株式会社Preferred Networks Preferred Networks Visual Inspection https://pvi.preferred-networks.jp/forms.html