1/31ページ

このカタログをダウンロードして
すべてを見る

ダウンロード(2.1Mb)

[ホワイトペーパー]少量の良品データのみで学習できるAI外観検査ソフトウェア gLupe® Version.2

ホワイトペーパー

AIを応用した「製造業向け外観検査ソフトェア gLupe」についての製品説明、事例、導入方法をご紹介

AI/ディープラーニングを応用した外観検査ソフトウェアgLupe(ジールーペ)。その最大の特徴は少量の良品データのみで学習できることです。ディープラーニング特有の大量データの収集作業が不要なため、導入コストを最小限に抑えられます。
gLupeは自動外観検査システム開発キットです。Windows環境で手軽に学習・評価ができ、学習結果を使用した推論システムを自由に開発することが可能です。また、ご要望があれば、弊社によるデータ解析や開発サービスもご提供可能ですのでお気軽にお問い合わせください。

このカタログについて

ドキュメント名 [ホワイトペーパー]少量の良品データのみで学習できるAI外観検査ソフトウェア gLupe® Version.2
ドキュメント種別 ホワイトペーパー
ファイルサイズ 2.1Mb
登録カテゴリ
取り扱い企業 株式会社システム計画研究所/ISP (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

gLupe (ジールーペ)製品説明資料

gLupe®(ジールーペ)製品説明資料 株式会社システム計画研究所/ISP 2019.9.9更新
Page2

目次

目次 • システム計画研究所/ISP について • gLupe(ジールーペ)とは • gLupe開発キットについて • ライセンス形態 • 導入の進め方 1
Page3

システム計画研究所/ISPについて

システム計画研究所/ISPについて
Page4

システム計画研究所/ISPについて

システム計画研究所/ISPについて ISPは1977年創業の 独立系研究開発型ソフトウェア開発会社です。 導入前のデータ解析・評価から 解析結果を用いたシステム開発まで一貫して対応可能です。 システムの運用開始までを一貫して対応可能 Phase.0 Phase.1 Phase.2 Phase.3 事前評価 精度検証 プロトタイプ開発 実運用システム開発 運用開始 撮影機材など選定 エンジンカスタマイズ 実証実験 3
Page5

gLupe (ジールーペ)とは

gLupe®(ジールーペ)とは
Page6

製造業向け外観検査ソフトウェア「gLupe 」とは

製造業向け外観検査ソフトウェア「gLupe®」とは • 製造業における製品の外観検査に特化したソフトウェア。 • Deep Learningを応用した高性能エンジンを使用しており、 従来手法では検出が困難だった不良品が検出可能に。 • ISP独自技術により、数十枚の正常データでも学習が可能。 • 製造現場に人工知能(AI)をスピーディーに導入。 正常データの例 異常検知例 5
Page7

製造業向け外観検査ソフトウェア「gLupe 」とは

製造業向け外観検査ソフトウェア「gLupe®」とは • 学習に必要なのは数十枚の正常データのみ • 学習時間も数秒で完了 通常のDeep Learningによる学習 通常のDeep Learning による学習 学習時間:1晩~ 正常画像数千~数万枚 異常画像1数千~数万枚 異常画像2数千~数万枚 gLupe®による学習 学習データの収集コスト大幅減! スピーディーな評価が可能! 正常画像数十枚~ gLupe® による学習 学習時間:数秒 6
Page8

gLupe 適用例(可視光カメラの事例)

gLupe®適用例(可視光カメラの事例) 7
Page9

gLupe 適用例(可視光カメラの事例)

gLupe®適用例(可視光カメラの事例) 【その他事例】 • 溶接部分の品質検査 • ゴム・樹脂製品の検査 • 菓子の品質検査 • ハンダ付けの品質検査 • 不要なハンダの検出 • 紙製品の形状検査 • 半導体の異物やキズの検査 • 自動車溶接痕の品質検査 8
Page10

近赤外カメラ・ハイパースペクトルカメラの事例

近赤外カメラ・ハイパースペクトルカメラの事例 近赤外カメラやハイパースペクトルカメラを使用すると、本来人の目では捉えることができない違い を可視化することができます。 gLupe は、近赤外カメラやハイパースペクトルカメラで撮影したデータを使った検査にも対応して います。 近赤外カメラ ハイパースペクトルカメラ 【その他事例】 • 菓子に付着した水滴検知 • 水分量が適切かどうかの検査 中身が見えない包装内にある噛み込み検知 白い粉末内に紛れた白い異物の検知 包装素材を透過する波長で撮影することで、 見た目が同じ色でも組成が違えば 協力: パッケージ内の異物を検知することができます。 吸収スペクトルが異なるので、 画像化したときの見た目が変わってきます。 9
Page11

時系列データを用いた事例

時系列データを用いた事例 gLupe に入力できるのは画像データのみですが、時系列データを使った異常検知を行った事例もあ ります。 時系列データを一旦グラフ化し、そのグラフ画像を学習データとして使用することで、異常検知の自 動化を実現しました。 時系列の数値データ 時系列データをグラフ化 0, 0.34234 1, 0.22345 2, 0.63453 3, 0.43326 4, 0.23562 5, 0.65453 6, 0.32345 画像データとして学習 7, 0.43234 8, 1.34525 9, 1.45234 ……… 10
Page12

gLupe 開発キットについて

gLupe®開発キットについて
Page13

gLupe 製品形態

gLupe®製品形態 gLupe は、Deep Learningを用いた外観検査自動化システム を開発するための開発キットです。 gLupe Learning Tool gLupe Infer SDK (学習・評価用ツール) (推論ソフトウェア開発用SDK) 12
Page14

gLupe を用いた開発の流れ

gLupe®を用いた開発の流れ 開発のPDCAサイクルを回すことで より高精度なシステムを構築可能です。 データ収集・整理 学習・評価・前処理検討 システム組み込み 当社で「データ解析サービス」請負い可 当社で「開発サービス」請負い可 学習モデルエクスポート 13
Page15

gLupe Learning Tool

gLupe Learning Tool 直感的な操作画面で、前処理設定、学習、評価を行うことがで きます。 14
Page16

gLupe Learning Tool 機能紹介

gLupe Learning Tool 機能紹介 従来の良品学習からの異常検知だけでなく、不良種別分類など の新たな機能を搭載しています。 15
Page17

gLupe Learning Tool 機能紹介

gLupe Learning Tool 機能紹介 異常検知 少量の良品画像のみで学習し、良品か不良品かの二値判別を 行うための機能です。 学習用に不良品画像を収集する必要がないためスピーディーな開発が可能です。 また、良品しか学習していないので、未知の不良品を検出できる可能性もあります。 少量の良品データのみで学習 良品/不良品の判別 不良箇所の検出 良品 不良品 16
Page18

gLupe Learning Tool 機能紹介

gLupe Learning Tool 機能紹介 不良種別分類 画像を各種別に分類することができる機能です。 各種別ごとに数十枚ずつの画像があれば学習可能です。 本機能で学習を行えば、不良品判定された画像が何の種類の不良なのかを知ることが できるようになります。 【分類例】 各種別ごとに少量の画像データを使用して学習 汚れ 何の種別かを判別 傷 打痕 17
Page19

gLupe Learning Tool 機能紹介

gLupe Learning Tool 機能紹介 簡単前処理 よく使う簡単な前処理であれば、GUI上で設定できるようになりました。 対応している前処理は以下のとおりです。 • テンプレートマッチング切り出し 【前処理の例】 • トリミング(固定座標による切り出し) 元画像 • マスク • 分割(オーバーラップあり/なし) 画面上で前処理の選択・設定が可能 切り出し マスク 分割 18
Page20

動作環境

動作環境 • 学習・評価用アプリケーション – OS:Windows 10 64-bit 日本語版 – CPU:Intel Core i5以上 – GPU:CUDA対応NVIDIA製GPU メモリ2GB以上(4GB以上推奨) Maxwell以降 • 推論ソフトウェア開発用SDK – OS:Windows 10 64-bit 日本語版 – CPU:Intel Core i5以上 – GPU:CUDA対応NVIDIA製GPU メモリ2GB以上(4GB以上推奨) Maxwell以降 ※Linux環境、ARM CPU環境での動作をご要望の場合は別途ご 相談ください。 19