食品業界の方必見！
AI画像判定の精度を高める
３つのポイント
AIを導入してからが本番！
設備や原材料、少しの変化や違いを見逃さないで！
目次
はじめに 2
AI画像判定導入後の3つのポイント 3
ポイント１【AI画像判定精度の向上】 4
ポイント２【判定環境（設備）変化に対応】 6
ポイント３【原材料変化に対応】 8
追加学習を得意とするMMEyeのご紹介 10
まとめ 11
1
はじめに
これまでのホワイトペーパで
▪AI画像判定が食品製造と相性が良いこと
▪AI画像判定導入時には精度検証（PoC）が必要であり、その検証環境が重要であること
▪AIの導入で生み出される5つの効果
についてご紹介しました。 関連資料はこちらから
しかし、AIを効果的に活用できるかどうかは、導入してからどのように運用していくかも重要となります。
導入後に「何を目指すのか」を明確にし、そのために、どのような運用をするか、あらかじめ計画を立てておく
ことがとても大切です。
本資料では、「AI画像判定導入後、どのような運用をすれば成果を最大化できるのか？」という点につい
て、AI導入後、より効果的にシステムを運用するための3つのポイントをご紹介します。
2
AI導入後の3つのポイント
「AIは学習し成長する」といわれますが、AIは自動で賢くなるわけではありません。
運用にあたり、次の3つのポイントをおさえ、「変化に合わせて手を加える」ことが重要となります。
１．AI画像判定精度の向上
２．判定環境（設備）変化への対応
３．原材料の変化への対応
では、3つのポイントをおさえ、どのような対応をすればよいのかについて
さらに詳しくご説明していきます！
3
ポイント１【AI画像判定精度の向上】
まず、AI画像判定の導入に当たって、次の手順で進めるお客様が多く、使いながら精度向上を図ります。
AI画像判定導入の手順
ステップ１ ステップ２
メイン製品の導入 追加学習で精度向上
メイン製品の不良品データを豊富に集めて、 運用しながら、
しっかりAIに学習させ判別モデルを作成 発生頻度がまれな不良品パターンを収集し
AIに追加学習させる
AIは学習させればさせるほど、精度が向上するため、学習データを増やしていくことが重要です。
4
ポイント１【AI画像判定精度の向上】
◆AI導入の際、さらなる精度向上を目指すために
ステップ１ ステップ２
メイン製品の導入 の際に 追加学習で精度向上 の際に
• AI導入時に判別モデルの作成方法 まれな不良品パターンに加え、運
や実際の現場での活用方法を把握 用で蓄積されたデータを定期的に
• 現場の方が判別モデルを作成できる 追加し、判別モデルを更新する
仕組みを作る
１． AI画像判定精度の向上 のために
▪現場の方も、判別モデルの作成方法や活用方法をご理解いただく。
▪AI画像判定を運用しながら、蓄積されたデータを定期的に追加学習させ、判別モデルの精度を
向上させる。
5
Page7
ポイント２【判定環境（設備）変化に対応】
ポイント２【判定環境（設備）変化に対応】
判別モデルの精度向上以外にも設備・判定環境のメンテナンスが必要です。
経年により劣化していく設備・判定環境の例を、以下（例.1）と（例.2）でご紹介します。
（例.1） 導入時 数年後
黄色く変色したり黒ずんでくるコンベヤーベルト
（例.2） 導入時 数年後
照明の照度が低下してくる撮影環境
6
Page8
ポイント２【判定環境（設備）変化に対応】
ポイント２【判定環境（設備）変化に対応】
◆判定環境（設備）変化による問題点
判別モデルを作成したときと環境が異なると、判定精度が低下する可能性があります。
（例.1）経年によるコンベヤーベルトの変色 （例.2）経年による照明の照度低下
正常品を「焼きすぎ」と判断してしまう可能性
当初の判別モデルでは
対応できなくなり、 数年経過
このような異物を見逃す
誤認識につながる可能性
「正常品」 「焼きすぎ」
２． 判定環境（設備）変化に対応 するために
▪現環境で新しく判別モデルを作成する。
▪コンベヤーベルトの汚れを取り、運用開始時の「綺麗さ」を保つ。
▪設備の更新を適切なタイミングで実施して、判定精度を高く維持する。
7
ポイント３【原材料変化に対応】
また、判別モデルの作成には大量のデータを必要としますが、多くのデータを集めることが困難な場合があります。
◆判別モデル作成のための大量データ収集が困難な例
野菜や果物などを用いた加工食品など、時期によって原材料の産地・種類がその都度変わる場合。
◆原材料変化による問題点
原材料の変化は、軽微で 原材料が変わるたびに 毎回一から判別モデルを作成
ありながらもこれを無視すると 新しい判別モデルを作成 すると、非常に手間がかかり、
判定精度が低下 しなければならない 現場の負担になってしまう
このような原材料変化による問題は、AIに「追加学習」させ、判別モデルを更新することで解決します！
8
ポイント３【原材料変化に対応】
◆AIの「追加学習」による手間削減の例
何百枚ものデータを収集し、 産地の変化に合わせ、
判別モデルを作成する 判別モデルに「追加学習」させ 産地の変化にも対応する
（ベースとなる判別モデル） 判別モデル更新 判別モデルが完成！
トマトの形が縦長
でもOKとする
良品 欠け 汚れ 判別モデル２
判別モデル１ 判別モデル２
良品 欠け 汚れ
３． 原材料変化に対応 するために
▪ベースとなる判別モデルを作成し、AIに追加学習させることでさまざまなバリエーションに対応する。
（ご当地バリエーションにも適用）
9
追加学習を得意とする のご紹介
これまでのスライドで、AI導入後、より効果的にシステムを運用するには「AIに追加学習させる」ことが重要である
とご説明しました。
当社が提供するAI画像判定サービス「 」では、人の知見の追加学習機能を搭載しています。そのため、AI
判定結果に人による判断結果を追加学習させることで、熟練スタッフのノウハウを学習させることができます。
◆システム構成イメージ
検査 学習用 クラウド
画像データ データ蓄積＆学習
・画像取得
・判別 ・判別モデル作成
・追加学習 ・モデル管理
エッジ端末 ・ログ送信 ・画像閲覧
（GPU搭載）・判別結果表示 ・データ自動分類
判別モデル
このように、熟練スタッフのノウハウ等をAIに繰り返し追加学習させることで、導入後、AI画像判定精度を向上させることが
できます！
10
まとめ
AI導入後の運用ポイントは、以下3つをおさえ、将来的な活用・展開イメージを明確にし、
それに向けて部分的・段階的に進めることです。
１． AI画像判定精度の向上
２． 判別環境（設備）変化への対応
３． 原材料の変化への対応
どの工場でも生産や現場への影響を考え、AIを活用した自動化が一気に導入されることはありません。
AI導入後、最終的に何を目指すのかを明確にし、一つずつ着実に導入を進めることで、結果的に
効率の良い導入や活用に繋がるのです。そして、AI活用の効果を十分に感じていただけたらと思います。
11
お問い合わせ先
株式会社YEデジタル マーケティング本部
〒802-0003
福岡県北九州市小倉北区米町2-1-21
✉ marke@ye-digitial.com
https://www.ye-digital.com
ぜひお気軽にご相談ください
