1/46ページ
ダウンロード(5.5Mb)
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データ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。
関連メディア
このカタログについて
ドキュメント名 | 不良画像1枚から学習できるAI外観検査ソフトウェア gLupe® Version.2 |
---|---|
ドキュメント種別 | 製品カタログ |
ファイルサイズ | 5.5Mb |
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
株式会社システム計画研究所/ISP
2024.2.28
©2023 Research Institute of Systems Planning, Inc.
Page2
システム計画研究所/ISP
所在地:東京都渋谷区桜丘町18-6 [主な事業領域]
設立:1977年11月10日
資本金:8,000万円 人工知能
所員数:122名(2023年6月現在)
事業内容:科学技術計算系ソフトウェア開発
実績など:
• 大手回転寿司チェーン「スシロー」の店舗にAIを用いた自動会計システム 医療情報 画像処理
を導入
• 経済産業省公募「省エネ型電子デバイス材料の評価技術の開発事業」
• 農林水産省公募「人工知能未来農業想像プロジェクト」
• 国立研究開発法人 産業技術総合研究所 「機械学習アクセラレータ改訂版プ
ログラム開発」など各種公募落札 宇宙・制御 通信
ネットワーク
• 国立研究開発法人 理化学研究所「ChemTSに基づいた構造発生AIの機能強
化とKNIMEインターフェイスの作成」など公募落札
• 国立研究開発法人医療基盤・健康・栄養研究所「創薬支援インフォマティク
スシステム構築プロジェクトにおけるナレッジ抽出システムの開発」 800社3,500プロジェクト
他、ロボティクス、製造業、建設業などでも多数AI・画像処理システムの社会実
装実績あり の取引実績(※)
※直近10年の実績
1
©2023 Research Institute of Systems Planning, Inc.
Page3
gLupe (ジールーペ)とは
©2023 Research Institute of Systems Planning, Inc.
Page4
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を応用した当社独自の高性能エンジンにより、
1枚の画像からAI学習が可能
• 機械学習やDeep Learningの知識があまり無い方でも使用できる、
簡単操作を実現
3
©2023 Research Institute of Systems Planning, Inc.
Page5
通常のDeep Learningとの違い
gLupe Deep Learning
学習に必要な画像データ:数枚から可能 学習に必要な画像データ:クラス毎に数千枚から必要
学習に必要な時間:数秒程度 学習に必要な時間:少なくとも数時間は必要
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!
1枚~ gLupe による学習
学習時間:数秒
4
©2023 Research Institute of Systems Planning, Inc.
Page6
[特長1] 1枚からの画像データでAI学習
1枚の画像データでAI学習している様子を動画で紹介しています。
• 金属表面の傷検出事例
– https://youtu.be/gj529zOqEc4
• 金属部品の画像検査例
– https://youtu.be/1Q1HBptF7Yw
• ワイヤーの傷検出事例
– https://youtu.be/d0CXpHbMJXw
• 食品異物検出事例
– https://youtu.be/ZpoNIU9ygPc
• 食品の傷み検出事例
– https://youtu.be/pQVNKrdLIw4
• 個数カウントの事例
– https://youtu.be/3mPBEDZLIqc
• 弁当具材の不足検出事例
– https://youtu.be/_Xjk0uXAV4o
5
©2023 Research Institute of Systems Planning, Inc.
Page7
[特長2] 直感的・簡単操作かつ高性能(1/2)
AI学習はペンで大雑把にマークするだけ 自動検査の運用はカメラとPLCに繋げるだけ
工場の検査担当の方がご自身で設定し、AI自動検査を運用している実績が多数ございます。
6
©2023 Research Institute of Systems Planning, Inc.
Page8
[特長2] 直感的・簡単操作かつ高性能(2/2)
お客様にて手配・準備 gLupe Inspector 想定システム構成と弊社対応範囲
各種装置
制御
検査結果情報
ロボットアーム
PLC
シャッタートリガー 検査開始・停止命令など
弊社対応範囲
画像撮影用装置 • GigEカメラ
• CameraLink
検査対象物の撮影 • CoaXPress
• キーエンスVJ、
XG-X、CV-X
画像送信
生産装置 …など カメラ・照明
弊社パートナーご紹介可能
7
©2023 Research Institute of Systems Planning, Inc.
Page9
[特長3] 様々な検査に対応
弊社独自AIとルールベースを組み合わせたこれまでにない手法
で、人手に頼るしかなかった様々な検査を自動化します。
8
©2023 Research Institute of Systems Planning, Inc.
Page10
[特長4] PoCが不要なので最短導入可能
最低1枚の画像で学習できるから、簡易検証が速い。
既に必要な機能は揃っているから、導入までが速い。
導入後のモニタリング運用も手厚くサポート。
9
©2023 Research Institute of Systems Planning, Inc.
Page11
gLupe 導入実績
70社200ライセンス以上の実績
お客様ご自身でAI学習から運用までを担当し、内製化に成功している事例も数多くございます。
(敬称略、五十音順)
自動車部品各種(照明部品、鋳造・ダイカスト製品、ベアリング、塗装)、
溶接、重包装製品、半導体関連各種(完成品、ウェハー)、樹脂製品、
フィルム、衣料品、焼き菓子、食品パッケージ、メッキ製品...など
10
©2023 Research Institute of Systems Planning, Inc.
Page12
gLupe 提供価格 - 全て買い切り製品 -
エントリーモデル ハイスペックモデル
※ノートPCは含まれません ※ディスプレイは含まれません ※ディスプレイは含まれません
¥680,000(税込:¥748,000)~ ¥1,980,000(税込:¥2,178,000) ¥4,080,000(税込:¥4,488,000)
AI使用可能ラベル数 2 2 6
同時検査数 1 1 2
結果集計・シミュレーション なし なし あり
(gLupe Monitor)
PLC I/F MCプロトコル/FINSコマンド MCプロトコル/FINSコマンド MCプロトコル/FINSコマンド
FTPサーバー接続 あり なし あり
動作保証最大画像入力サイズ 200万画素 1000万画素 6400万画素
処理速度(目安) 30万画素:約250msec 30万画素:約100msec 200万画素:約250msec
200万画素:約900msec 200万画素:約500msec 500万画素:約600msec
500万画素:約1200msec 1000万画素:約1200msec
1000万画素:約2400msec 2000万画素:約2400msec
備考 初回購入時、Windows用ソフトウェアの購入 処理速度は、前処理を適用することで高速化 処理速度は、前処理を適用することで高速化
が別途必要(¥300,000) 可能。 可能。
処理速度は、前処理を適用することで高速化 エントリーモデルをベースに、必要機能のみ その他、CameraLink, CoaXPressカメラ対応、
可能。 オプションで追加することが可能。 マルチGPU構成等をオプションで追加可能。
Orin NX, AGX Orinでの提供も可能。 必要機能を追加・削除することが可能。
11
©2023 Research Institute of Systems Planning, Inc.
Page13
提供形態
©2023 Research Institute of Systems Planning, Inc.
Page14
提供形態
初めてAIを使ってみる。
色々と検証をしたい。 機能やスペックを制限して 自身でプログラミングして
高速に検査したい。 多くのラインに展開したい。 独自システムを開発したい。
高解像度画像を検査したい。
全ての機能を備えパワフルに処理できる 必要十分なスペックで大量展開を実現する 高性能AIをあらゆるシステムに実装
開発キット
13
©2023 Research Institute of Systems Planning, Inc.
Page15
gLupe Inspector / gLupe mini システム構成
お客様にて手配・準備
各種装置
制御
検査結果情報
ロボットアーム
PLC
シャッタートリガー 検査開始・停止命令など
弊社対応範囲
画像撮影用装置 • GigEカメラ
• CameraLink
検査対象物の撮影 • CoaXPress
• キーエンスVJ、
XG-X、CV-X
画像送信
生産装置 …など カメラ・照明
弊社パートナーご紹介可能
14
©2023 Research Institute of Systems Planning, Inc.
Page16
gLupe Inspector / gLupe mini 主要機能
• 各種カメラとの接続
• AIとルールベースを組み合わせた各種検査機能
• 検査範囲設定(領域指定、マスクなど)
• PLCとの連携(検査開始/停止、設定切り替え、
検査結果通知)
• 従来のルールベース検査装置との連携
※一部機能はオプション提供
15
©2023 Research Institute of Systems Planning, Inc.
Page17
gLupe Inspector
検査結果の集計やシミュレーションにも対応
gLupe Inspectorのオプション機能で、結果集計やシミュレー
ションの機能もご提供しています。
gLupeに接続した別PCから 検査結果の集計・閲覧・シミュレーションが可能。
検査結果を閲覧可能 不良発生の原因を特定し、生産工程へのフィードバックを検討。
16
©2023 Research Institute of Systems Planning, Inc.
Page18
gLupe 開発キット
以下3種類の機能に関する学習ツール、開発用SDKを提供します。
[関連動画]
– 異常検知:良品学習の使い方 https://youtu.be/CzWX_0qJ0Wo
– 異常検知:不良箇所学習の使い方 https://youtu.be/tA3D4pgHUkM
異常検知:良品学習 異常検知:不良箇所学習 不良種別分類
OK OK NG NG
OK OK
OK or NG OK or NG NG1 NG2 NG3
数十枚の良品データで学習 不良品データ1枚から学習可能 少量データで不良種別を学習
良品以外をはじく異常検知機能 学習した不良を検出する異常検知機能 不良種別分類機能
17
©2023 Research Institute of Systems Planning, Inc.
Page19
導入事例
©2023 Research Institute of Systems Planning, Inc.
Page20
gLupe 事例1
大手食品メーカー「フジパン」様の事例
メロンパンを上から撮影し、きれいな焼き目が
付いているかをgLupeで判定しています。
検査員の人手不足解消や、目視検査による基準
のバラつき解消に役立てていただいています。
詳細はこちら
https://glupe.jp/ja/case1.html
19
©2023 Research Institute of Systems Planning, Inc.