熟練の目利きを、製造ラインへ。
カメラで撮影した画像から、キズ・欠け・異物などの外観不良をAIが自動検出。良品画像のみでの学習にも対応し、製造ラインのタクトタイムに合わせたリアルタイムな良否判定を実現します。
＼ 金属部品から食品まで、幅広く対応 ／
よくある困りごと
その検査、
人の目だけに頼っていませんか。
品質を守る最後のとりでが、検査員の経験と集中力に支えられています。
01
目視検査が人によってばらつく
同じ製品でも、検査員や時間帯で判定が変わる。見逃しと過検出が、いつまでも減りません。
02
不良品のサンプルが集まらない
不良はめったに出ないので、AIに学ばせる画像が足りない。導入をあきらめてしまいます。
03
新しい種類の不良に対応できない
ルールベースの画像処理では、想定していない不良に、そのたび設定を作り直すことになります。
04
タクトタイムに判定が間に合わない
画像を外のサーバーに送って判定していては、ラインの速度に追いつきません。
05
照明やロットが変わるたびに再調整
照明の当たり方や製品ロットが変わると、精度が落ちる。調整に人手が取られます。
その検査、
MekikiCraftとは ↓
MekikiCraftに任せる
MekikiCraftとは
見て、判断する。
その場で、全数を。
MekikiCraftは、産業用カメラの画像をAIが解析し、キズ・欠け・汚れ・異物などの不良や、部品の有無・数を判定する外観検査AIです。分類・物体検出・領域抽出・モデル作成の4つの検出方法を組み合わせ、熟練検査員が見ていた勘所を検査基準として再現します。ラインの近くで判定するため、タクトタイムの厳しい工程でも全数検査に組み込め、現場で撮りためた画像からの追加学習で、照明や製品ロットの変化にも追従します。
MekikiCraftの強み
アルゴリズムだけでは、
検査は現場で動かない
撮像を設計し、制約の中でAIを組み、工程に定着させる。その3つを一つのチームで担います。
ポイント 1
現場への伴走力
検査基準の整理から、ラインへの定着まで
検査員へのヒアリングから検査基準の整理、PoC、実ラインへの導入まで。同じチームが現場とともに課題を整理し、外観検査AIが定着するまで一貫して伴走します。
ポイント 2
ハードウェア・AI設計力
カメラ・照明・計算基盤から、AIモデルまで
Lenovo Enterprise Solutions LLC でAIソリューション開発を率いたメンバーと、松尾研究所出身のAIチームが、カメラ・照明・計算基盤からAIモデルまで一貫して設計します。ハードとAIを別々に発注せず、制約を踏まえて一体で決めます。
ポイント 3
継続学習
導入後も、現場のデータで精度を上げ続ける
新製品や新たな不良パターン、製造条件の変化に合わせてAIを再学習。ラインで蓄積されるデータを活かし、導入後も検査精度を高め続けます。
検出方法
4つの検出方法を、
組み合わせて見極める
検査したい特徴に合わせて選び、組み合わせることで、さまざまな不良を学習させられます。
分類
画像全体を種類分けする
画像を判断基準で振り分け、対象の種類を見分けます。ボルト・ナット・フランジといった品種の仕分けや、良品・不良品の判定に。
物体検出
どこに何があるかを見つける
画像の中の物体を見つけ、位置と個数を枠で示します。部品の有無や数、異物の検出など、場所や数が要る検査に。
領域抽出
形と面積を測る
不良の形や大きさにとらわれず、不良ごとに画素単位で特定します。キズ・欠け・汚れの面積や長さで合否を決める検査に。
モデル作成
良品だけを学習し、基準をつくる
良品の画像だけで良品モデルをつくります。不良のサンプルがなくても始められ、良品と違うところを異常として見つけます。
対象となる製品・工程
金属部品から食品まで、
素材や形状を問わず
撮像環境と判定基準を対象ごとに設計するため、光りやすい金属、透ける樹脂、形の揃わない食品まで検査できます。対象の一例です。
機械・金属部品
- 切削・研削部品
- 鋳造・鍛造品
- プレス・板金
- ねじ・ボルト・ベアリング
- 溶接ビード
電子部品・基板
- 実装基板
- コネクタ・端子
- 半導体パッケージ
- ディスプレイパネル
- ワイヤーハーネス
樹脂・ゴム・フィルム
- 射出成形品
- ゴムパッキン・ホース
- フィルム・シート
- 透明・半透明部品
食品・飲料
- 焼成品・菓子
- 充填・包装済み食品
- 青果・カット野菜
- 容器・キャップ・液面
包装・印字・ラベル
- 外装箱・シュリンク
- 賞味期限・ロット印字
- ラベルの位置・欠け
- バーコード・二次元コード
医薬・化粧品
- 錠剤・カプセル
- アンプル・バイアル
- 充填量・異物
- 容器の外観・印字
導入の流れ
導入を決める前に、検証テストで効果を確かめます。機器の手配やAIの構築は、その結果を見てから進めます。
STEP01
導入相談
検査したい製品と課題、達成したいことをうかがいます。
STEP02
現場・データの確認
今ある画像や検査基準、ラインの速度、カメラ・照明・設備の仕様を確認します。
STEP03
検証テスト
お預かりしたワークや画像で効果と動作を確かめ、結果をレポートします。
STEP04
機器の設計・手配
カメラ・照明・計算機の構成を決め、必要な機器を手配します。
STEP05
AI構築・組み込み
現場の画像でAIを構築し、設備や検査フローに組み込みます。
STEP06
運用・追加学習
ラインで運用しながら追加学習を重ね、変化に追従させます。
Q&A