- メーカー
- ADSTEC Imaging
- 型番
- ADSTEC_DL
目次
ディープラーニングとは？
仕組みと画像解析・外観検査への活用を解説
製造業では、外観検査AIやAI検査の技術としてディープラーニングの活用が進んでいます。
ディープラーニングを活用した画像解析ソフトにより、目視検査の自動化や自動検査への活用が可能です。
➊ディープラーニングとは
ディープラーニングはAI（人工知能）の中でも、機械学習に含まれる技術の一つです。
❷ディープラーニングの仕組み
人が決めにくい「微細な傷」「汚れ」「形状のわずかな違い」なども、
AI（ディープラーニング）が自動で特徴を学習し、高い精度で判定できます。
❸ディープラーニングによる画像解析とは
ディープラーニングを活用したAI画像解析ソフトでは、画像の分類や領域抽出、異常検知などを行うことができます。
ディープラーニング画像解析ソフトの主な機能
セグメンテーション
セグメンテーションは、オブジェクト、形状および画像内の位置を認識します。
欠陥領域を的確に見つけたり、画像内の複数のタイプのオブジェクトを発見したりするのに有効なモデルです。
クラシフィケーション
クラシフィケーションは、各クラスリストからイメージ全体を識別します。
異なるクラスの画像を区別し、各クラスに分類できます。
ディテクション
ディテクションは、特定のオブジェクトを検出します。
オブジェクトのサイズと位置をボックス形式で表示し、そのクラスを識別します。
OCR（光学式文字認識）
OCRは、画像内のテキストの認識に特化しています。
このモデルは、画像からテキストを検出し、その中の各文字を認識することができます。
ローテーション
ローテーションは、画像を適切な向きに回転させるために使用します。
このモデルはオートラベリング、または推論中に画像を自動的に整列される場合に役立ちます。
新たなディープラーニングモデル
GAN（敵対的生成ネットワーク）
欠陥領域を学習し架空の欠陥を生成できるモデルです。欠陥画像を学習に含めることで他モデルのパフォーマンスが向上します。
アノマリークラシフィケーション
正常画像データのみを学習し正常画像と異常画像を分類分けします。異常個所の結果はヒートマップとして表示されます。
アノマリーセグメンテーション
正常画像データのみを学習し正常画像と異常画像を分類分けします。異常個所の結果は異常領域が描画され表示されます。
パッチクラシフィケーション
画像を小さなパッチに分割し、各パッチを個別に分類し、1つの画像内の複数の欠陥を検出するマルチクラスをサポートします。
高解像度の画像を高精度で処理するのに最適です。
❹従来の画像処理とディープラーニングの違い
従来の画像処理
人がルールを設定
明るさ ○以上
面積 ○以上
↓
OK/NG
条件を数値化できる検査向き
ディープラーニング
AIが特徴を学習
良品画像
不良品画像
↓
AIモデル
↓
新しい画像を判定
❺なぜ外観検査・目視検査にディープラーニングが使われるのか
人間は見れば判断できるが、数値ルールにするのが難しいものとディープラーニングの相性が良い
AI外観検査・画像検査の対応例
AI外観検査の対応内容
- キズ検査
- 異物検査
- 欠け検査
- 汚れ検査
- 溶接検査
- 欠陥検査
- OCR（印字検査、文字認識）
- 異常検知
- 部品分類
- 画像分類
- セグメンテーション
- 物体検出
❻外観検査・目視検査を自動化するメリット
人による判定のばらつき
検査員の負担
技術継承
検査結果のデータ化
❼ディープラーニングを使った外観検査の流れ
画像解析ソフトを用いてAIモデルを作成し、実際の検査画像に対して良否判定を行います。
撮像から検査まで、適切なデータ準備と評価を行うことで、実運用に適したAIモデルを構築できます。
❽導入前に知っておきたいポイント
導入前に確認しておくと失敗しにくいポイント
判定したい内容を明確にする
何をOK／NGとするのか、どの欠陥を検出したいのかを事前に整理します。判定基準が曖昧だと、学習データや評価方法も決めにくくなります。
学習に使う画像データを準備する
ディープラーニングでは、対象に応じた画像データが必要です。良品・不良品のバリエーションをできるだけ幅広く用意することが重要です。
撮像環境を整える
カメラ、照明、距離、角度などの撮像条件によって、AIの判定制度は大きく変わります。安定した画像を取得できる環境づくりが重要です。
目的に合ったAI手法を選ぶ
良否判定、欠陥箇所の特定、異常検知など、やりたいことによって適した手法は異なります。クラシフィケーション、セグメンテーション、アノマリーディテクションなどを目的に応じて選択します。
実環境で評価・改善する
学習時の精度だけでなく、実際の検査環境で十分な性能が出るか確認します。必要に応じて画像追加や再学習を行い、モデルを改善します。
FAQ
ディープラーニング外観検査ソフトの主な特徴
ADSTECのディープラーニング外観検査ソフトは、製造業向けのAI画像検査ソフトウェアとして、
傷検査、異物検査、欠陥検査、印字検査（OCR）、異常検知などに対応しています。
ディープラーニングを活用することで、
従来のルールベース画像処理では難しかった検査の自動化を実現できます。
- 直感的な操作性
- オートディープラーニング機能
- クリックしていくだけでモデルが作成可能
- 専門家でなくてもディープラーニングモデルが作成できる
資料ダウンロード・お問い合わせ
製品カタログ
カタログ準備中
アプリケーションノート
New．風力タービン外観検査
ドローン撮影画像を活用した風力タービンのAI外観検査に対応しています。
クラックや損傷などをディープラーニングによって高精度に検出し、点検作業の効率化と人件費削減を実現します。
１．飲料容器検査
飲料容器やパッケージ製品のAI画像検査に対応しています。
ラベル不良や印字不良などを高精度に判定し、検査品質の安定化とヒューマンエラー削減につながります。
２．皮革製品検査
革製品の傷・欠陥検査にも対応しています。
ディープラーニングを活用することで、従来の画像処理では難しかった複雑な模様や質感の判定を自動化できます。
３．作物の植物病診断
作物の病害診断や農業分野の画像解析にも活用できます。
葉の変色や病斑をAI画像解析によって検出し、病気の早期発見と生産者負担軽減を支援します。
４．細胞数の測定
顕微鏡画像を利用した細胞数測定や画像解析にも対応しています。
ディープラーニングによる細胞認識によって、カウント作業の効率化と判定ばらつきの削減を実現します。
外観検査・画像解析について相談する
ディープラーニングを活用した外観検査・画像解析について、検査対象や課題に応じた手法をご案内します。
「自社の検査にAIを活用できるか知りたい」「目視検査を自動化したい」といった検討段階でも、お気軽にご相談ください
さらに詳しく
あわせて読みたい
アプリケーション事例【ディープラーニング画像解析ソフト】
こちらではさらにわかりやすく、その他のアプリケーション事例を掲載しています。 大学AI教育の実践事例 お茶の水女子大学におけるAI教育の取り組みと、NAIT導入の背景…
