1/1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(844Kb)

【製造業などの目視検査へのDeep Learningを用いた自動化システム導入の事例紹介】

製品カタログ

Deep Inspectionサービス紹介

製造業などのの目視検査へのDeep Learningを用いた自動化システム導入の事例紹介。バックミラーの製造でシェアNo.1の村上開明堂の事例や、コニカミノルタ、凸版印刷、戸田建設などとの協業事例などを掲載しています。

このカタログについて

ドキュメント名 【製造業などの目視検査へのDeep Learningを用いた自動化システム導入の事例紹介】
ドキュメント種別 製品カタログ
ファイルサイズ 844Kb
登録カテゴリ
取り扱い企業 株式会社Rist (この企業の取り扱いカタログ一覧)

このカタログの内容

Page1

Deep Learningによる検査システム 経験を積み柔軟に判別 高速均一化を実現するAI “人間では判断できるが、従来の画像処理システムではうまく判別できない”。 そんな対象に力を発揮するのがDeep Learningを用いたDeep Inspection。経験を積むほど判定精度を 高め、極めて高いパフォーマンスの高速均一化を実現します。 DEEP INSPECTIONの特徴 自信度を付加した判定 継続運用でレベルアップ 既存ラインへ導入可能 過去の結果と比較し自信度を算出。自信度の高い 人が経験を積むように、Deep Learningは学習デー 私たちの製品はパッケージではなく、現在のライ ものは自動検査へ、低いものは人に委ねる仕組み タが増えるほど判定精度が上がります。継続的な ンを生かしたシステムを提案しています。様々な です。低い自信度のものだけ目視検査することで、 運用で経験を積んだAIは、熟練の職人のように 現場に合わせて設計し、長期間の運用とアップグ 確実に負荷を軽減し、精度を飛躍的に高めます。 頼れるシステムになります。 レードを視野に入れた製品を提供しています。 従来の画像検査 画像AIの3つの主要なアルゴリズム 検出可能 分類 物体検出 セグメンテーション 食品 キズ 表面異常の種類や程度の分類 異常箇所の検知例 自動運転や医療に利用されている ホコリ ガラス粉 etc... 汚れ群 領域抽出ネットワークを利用キズの位置 製品個体差があるものなど Input Output 数値で定義できないものは検査困難 サビ群 RGB Image Segmentation 検知箇所 キズの位置 Input Output キズ群 検知箇所 Case.1 CLIENT 鏡の表面検査工程 試験結果 従来のシステム問題点 Ristによるアプローチ 従来のシステム 精度60% 画像の色味など数値化 多クラス分類の畳み込みネットワーク(CNN)を使用 人が閾値を決める Ristのシステム 良品 入力 分類 キズ 精度97%を達成 ❶ 閾値の設定が困難 歪み システム全体のスピードと精度を ❷ 精度60%程度 向上し、目視検査の負荷を軽減 Rist独自の「Deep Inspection自信度」を開発 全ライン導入後は検品作業員が 7割削減 Deep Inspectionの判定自信度 1 海外展開を視野に入れ、検査の自 精 動化により得られたデータから上流 低い自信度のものは 度の 高い自信度のものは 工程の最適化なども目指していく 従来通り目視検査 正 解 自動検査 率 運用半年後 最終的に、検査員が目視で確認 0 自信度 1 精度99%を達成 Case.2 領域抽出によるパッケージ検査工程 従来の製品検査機器 Ristによるアプローチ 試験結果 間違えた領域 パッケージのある領域をDeep Learningで抽出し、測定 従来の検査機器 Contact : info@rist.co.jp 100枚に1枚のエラー Website : https://www.rist.co.jp 高 本来検出したい さ パッケージの Ristのシステム領域 領域を抽出 幅 10,000枚に1枚のエラー 100倍 影・シワ等の影響で測定すべきラインの検出を間違え、 の精度向上を実現 100枚に1枚程、上記のような正しくないラインを検出 DEEP INSPECTION