1/36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(15Mb)

【5つの活用事例付き】目視作業に関わる課題を解決!AIを用いた検査システム Deep Inspection / Deep Mesh

事例紹介

Deep Learningによる非構造データの処理に特化

外観検査についてこんなお悩みありませんか?

・人件費がかかりすぎる
・特定の人しか検査できない
・検品の品質が安定しない

このような目視作業に関わる課題を解決します。

詳しくはカタログをダウンロードしてご確認ください。

このカタログについて

ドキュメント名 【5つの活用事例付き】目視作業に関わる課題を解決!AIを用いた検査システム Deep Inspection / Deep Mesh
ドキュメント種別 事例紹介
ファイルサイズ 15Mb
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

©Rist Inc. 株式会社Ristのご紹介
Page2

目次 1 会社概要 事例1:村上開明堂様 2 Deep Inspectionのご紹介 事例2:大手パッケージ・ラベル製造会社様Deep Inspection Collatioのご紹介 事例3:凸版印刷様 3 Deep Meshのご紹介 事例1:戸田建設様 事例2:コニカミノルタ様 4 製造業以外の分野での実績 5 なぜ、Ristは選ばれるのか ©Rist Inc. 01©Rist Inc. 01
Page3

会社概要 国内外のメーカー、大学、 人類の感覚器官に、 病院、プロスポーツチーム ミ ッ などと提携 シ ョ 自由を取り戻す ン 製造業 会社名 株式会社Rist 設立日 2016/8/1 会 HP http://www.rist.co.jp 医療画像 社 東京本社 東京都目黒区目黒2-11-3 概 要 京都支社 京都府京都市左京区孫橋町23 SAMURAIビル2F スポーツ Deep Learningによる など 非構造データの処理に特化 画像 動画 音声 ©Rist Inc. 02©Rist Inc. 02
Page4

Deep Inspection Deep Learningを用いた画像検査システム 人の目による判断を AIで補完する ©Rist Inc. 03©Rist Inc. 03
Page5

外観検査についてこんなお悩みありませんか? 課 課 課 人件費が 題 特定の人しか 題 検品の品質が 題 かかりすぎる 検査できない 安定しない O K O K N G 人員が多く、コストが課題と 検査が職人技と化していて、 人によって基準がバラバラ。 なっている。 他の人に任せられない。 マニュアルや教育で標準化する 後継者がなかなか育たず、検査 のもなかなか難しい。 がボトルネックになっている。 このような目視作業に関わる課題を解決します ©Rist Inc. 04©Rist Inc. 04
Page6

典型的なAI画像の技術 OK OK NG NG 大量のOKデータ画像とNGデータ画像により 過去の人間の判定基準と同様に ネットワークをトレーニングする 新しい画像を自動で判定することが可能 ©Rist Inc. 05©Rist Inc. 05
Page7

3つの主要なアルゴリズム 分類 汚れ群 物体検出 サビ群 セグメンテーション キズ群 ©Rist Inc. 06©Rist Inc. 06
Page8

事例1 村上開明堂様
Page9

村上開明堂様のご紹介 バックミラーで国内シェアNo.1 ©Rist Inc. 08©Rist Inc. 08
Page10

鏡の表面検査工程 鏡の表面の不具合の検知 1 不具合の種類の15種類の分類を行う 2 ・・・ ©Rist Inc. 09©Rist Inc. 09
Page11

従来システムの問題点 1.画像の色味など数値化 n 閾値の設定が困難 2.人が閾値を決める n 精度60%ほどの対象あり 最終的に、検査員が目視で確認 ©Rist Inc. 010©Rist Inc. 010
Page12

Ristのアプローチ 多クラス分類の畳み込み ネットワーク 自信度(CNN)を使用 全体では90%の精度 →使い物にならない 青線:正解 橙色:不正解 A 35 精度:99%以下 精度:99%以上30 従来通り目視検査 自動システム検査 B 2520 低い自信度のものは C 15 従来通り目視検査10 5 0 0.2 0.4 0.6 0.8 1.0 Deep Inspectionの判定自信度 高い自信度のものは 自動検査へ 自信がないものは人間に判断を委ねつつ 確実に目視検査の負荷を軽減 ©Rist Inc. 11 サンプル数 ©Rist Inc. 11 …
Page13

検証結果と今後の取組 ●3000枚を検証 検討結果 ●従来の精度60%から、精度99%を達成 ○2018年6月からラインへ導入、増産予定 今後の取り組み ○全ライン導入後は検品作業員が7割削減 ○タイ、中国といった海外展開を検討中 検査の自動化により得られたデータから 上流工程の最適化なども目指していく ©Rist Inc. 12©Rist Inc. 12
Page14

事例2 大手パッケージラベル製造会社
Page15

実現したいこと 高 ある領域の高さ・幅の さ ピクセル数を測定 幅 ©Rist Inc. 14©Rist Inc. 14
Page16

従来の課題 K社製の検査機器使用時 高 さ 課題 1.影やシワなどで、測定すべきラインの検出を間違える 2. 100枚に1枚程、上記のような正しくないラインを検出 幅 ©Rist Inc. 15©Rist Inc. 15
Page17

Ristのアプローチ 自動運転や医療分野で利用されている セグメンテーションアルゴリズムを利用 SegNet 高さ 幅 FusionNet パッケージのある領域を Deep Learningで 抽出し、幅測定 ©Rist Inc. 16©Rist Inc. 16
Page18

試験結果 K社の検査機器 Ristのシステム 100枚に1枚のエラー 10,000枚に1枚のエラー 100倍の精度向上を実現 2018年8月工場へ導入実験 ©Rist Inc. 17©Rist Inc. 17
Page19

比較検査システム Deep Inspection Collatio
Page20

課題:他製品展開/新製品対応 他製品/新製品にすぐに対応したいが。。。 1つの製品に 製品 1つのAIモデルが必要 製品が変われば データ集めからやり直し ©Rist Inc. 019©Rist Inc. 019