技術紹介
技術紹介
AIによる外観検査で、欠陥部品・欠陥箇所を可視化
特徴 異常画像(欠陥画像)の収集が難しい場合は、正常画像のみでAIモデル学習可能
緑の正常サンプルに対する赤の異常サンプル例
異常箇所の出力例
応用例
精密製品への適用
AI外観異常検知【応用例】
| 提案先 | プラスチック製品メーカー |
|---|---|
| 業務内容 | 電子部品搬送資材の製造・販売 |
| 事例内容 | AI検知によるエンボステープ（半導体梱包材）の検品作業を自動化 |
冷凍食品への適用
AI外観異常検知【応用例】
| 提案先 | 冷凍食品メーカー |
|---|---|
| 業務内容 | 冷凍食品の製造・販売 |
| 事例内容 |
冷凍ピザ生産ラインのカメラ映像をAIでリアルタイム検知し、 トッピング(例えばチーズの量)に異常がある場合アラート通知 |
導入事例
劣化検知ソリューション
ディープラーニング技術による劣化検知解析ソリューション
設備異常の早期発見、安定的な設備稼働とメンテナンスの効率化をサポート
| 導入先 | 環境プラント系企業 |
|---|---|
| 業務内容 | プラントの製造開発・メンテナンス |
| 事例内容 | AIによる焼却炉内壁の劣化診断 |
自動学習機能によりシステム運用・データ反映サイクルの内製化を実現し、蓄積データの活用により自動的に予測精度を向上
1. 運用サイクル
2. 自動学習メリット
1 業務の効率化、人的ミス軽減
AI学習の自動化によって（自動学習プログラム）、煩雑な手作業を自動化し、効率UPを実現かつ人的ミスの軽減
2 時間的・人的コスト削減
データ収集＆教師データ生成の自動化によって（教師データ変換プログラム）、データ収集や処理などにかかる時間を大幅に減少し時間的・人的コストを削減
3 AIモデル精度の向上
上記１と２のメリットに基づいて、教師データの収集量が増加、AIモデルの更新頻度も上がることにより、認識精度の向上を実現
精度向上への取り組み
夜 / 昼変換モデル
AI技術「GAN」を用いて夜の画像データを昼の画像データに変換し、暗いシーンでの認識精度の改善のためモデルを開発。
以下が当社の独自技術による変換例となります。
疑似画像生成
AI技術「GAN」を用いて、壁の亀裂検出における疑似画像の生成例となります。
本物画像
生成画像
本物画像
生成画像
天候・環境・光学変化への対応
ヘッド・ライトや天候変化などによるAI認識精度への影響を抑えるため、画像合成技術で人工的な画像データを作成し、AIモデルの性能を強化します。
以下は弊社で作成した人工データ例となります。
雪の模擬画像
霧の模擬画像
雨の模擬画像
太陽フレアをシュミレートする画像
影をシュミレートする画像
