不良品サンプルが無い工程での立ち上げ方など、AI外観検査の技術資料3種を公開
株式会社Spotは、AI外観検査プラットフォーム「DeepAge Sensor」に関する技術資料3種を本日公開し、あわせて資料請求ページを開設しました。いずれも無料で、氏名・会社名・メールアドレスの3項目のみでダウンロードできます。外観検査へのAI導入を検討されている製造現場の方、および自社製品にAI検査機能の搭載を検討されている装置メーカー様に向けた内容です。
公開の背景
外観検査へのAI導入は検討が増えている一方で、実際にはPoC（実証実験）で止まる例が少なくありません。技術そのものよりも、現場の条件と噛み合っていないことが原因になっているケースが多く見られます。
特に多いのが「学習用の不良品サンプルが集まらない」という壁です。歩留まりの良い工程ほど不良品は出ず、出た不良品は廃棄・手直しの対象で撮影して保管する動機もありません。「学習に不良品画像を数百枚」と言われた時点で、検討が現実的でなくなります。
当社は2018年からAI外観検査を製造現場に提供し、累計100台超の検査装置に搭載されてきました。その過程で蓄積した、立ち上げの手順と実際に起きた落とし穴を、資料としてまとめました。
公開する資料
1. DeepAge Sensor 製品カタログ（全14ページ）
DeepAge Sensor の全体像をまとめた資料です。3つの学習方法（教師あり学習／ファインチューニング／教師なし異常検知）、検査用DLLによる既存装置への組み込み、導入の進め方、仕様、価格の考え方までを収録しています。
2. 不良品サンプルが無い工程で外観検査AIを立ち上げる方法（全12ページ）
検討初期の製造現場・品質保証部門の方向けの技術ノートです。不良品画像が1枚も無い状態から、良品画像だけで異常検知を立ち上げるための5つのステップをまとめています。
- 良品画像は何枚必要か（枚数よりも「正常のばらつきを覆えているか」が効く理由）
- 撮像条件と保存形式の固定（学習時と運用時で画像の保存形式が異なると判定が反転しうる点を、自社の実測値とともに解説）
- 「手元のデータでの精度」と「未見の良品での精度」を分けて確認する方法
- 判定閾値の決め方と、過検出との向き合い方
- 運用しながら精度を育てるサイクル、よくある5つの失敗
「PoCでは高い精度が出たのに現場で使えない」が、なぜ起きるのかを扱っています。
3. 検査装置へのAI組込みガイド（全13ページ）
装置メーカー様・検査SIer様向けの技術資料です。自社製品にAI検査機能を搭載する際の実装可否を判断していただくための情報をまとめています。
- 提供物の構成（ビルド済みライブラリと公開Cヘッダ。ライブラリ本体のコンパイルは不要）
- 動作要件（GPU版／CPU版の選択。CPU版はGPU・ドライバ・CUDAのいずれも不要）
- 公開APIとライフサイクル、C/C++・Pythonからの最小サンプル
- 実行環境への配置と動作確認の手順
- 教師なし異常検知ライブラリの組み込み
- モデルの作成・更新の運用、ライセンスとサポートの分担
資料の入手方法
以下のページから請求いただけます。
https://sensor.deepage.net/documents
- 氏名・会社名・メールアドレスの3項目のみ
- 送信後、その場でダウンロードいただけます（同じリンクをメールでもお送りします）
- 3種すべて、または必要なものだけを選択できます
DeepAge Sensor について
画像をアップロードするだけでAI検査モデルを学習し、検査用DLLとして既存システムに組み込めるAI外観検査プラットフォームです。
- 不良品画像0枚から始められる — 教師なし異常検知に対応し、良品画像だけで「正常の基準」を学習します
- 既存の検査装置に組み込める — 検査用DLL（Windows / UNIX）として提供。CPUのみで1枚12msの推論が可能で、専用ハードウェアを必要としません
- 2018年から製造現場で稼働 — 試験導入ではなく量産ラインでの運用実績です。累計100台超の検査装置に搭載されています
学習時のみクラウドへ画像をアップロードし、運用中の検査は現場で完結するため、検査画像が工場の外に出ることはありません。
問い合わせ先
株式会社Spot
- 資料請求：https://sensor.deepage.net/documents
- 電話：050-3196-8077（受付時間：10:00~19:00 土日祝日を除く）
- メール：info@spot-corp.com