HACARUS Check for Visual Inspection外観検査AI

短時間学習、高い正確性、
対応素材の広さで
ファクトリー
オートメーションを実現

HACARUS独自のスパースモデリング・AIをベースとした外観検査AIは、少ない教師データでより素早く、より正確な結果を実現します。幅広い材料に対応し、その表面エラーや欠陥を検出することで、欠陥率を下げることはもちろん、生産能力を向上させ、より高い加工精度を可能にします。
従来のAVI / AOIシステムで誤検知や過検出が発生しやすい環境下でも優れており、人間が検査する必要のある再分類の量を大幅に削減することで、ファクトリーオートメーションを可能にします。

外観検査 サービスラインナップ

ユースケース

不具合検出

不具合検出

木材、金属、繊維など様々な素材の不具合を検出します。
不具合品のデータがなくても、正常品のデータだけで不具合の検出を行うことが可能です。

利用例:キズ、凹み、欠損、破損の検出

欠損検出

欠損検出

検査対象物に対して、本来あるべき部品が無い、位置がズレているなどの不具合を検出します。

利用例:部品のつけ忘れ、シール位置のズレ、欠損の検出

パターンマッチング

パターンマッチング

検査対象物に見られる共通のパターンを認識し、そのパターンと異なる部分を検出します。
本来均一であるべき箇所を特定し、不具合を判別することが可能です。

利用例:はんだ付け検査、基板の断線箇所の特定

外観検査の対象物(例)

印刷状態

印刷状態

カートリッジ

カートリッジ

メタルプレート

メタルプレート

数計測

数計測

PCB

PCB

太陽光パネル

太陽光パネル

木材

木材

検査パフォーマンス

太陽電池パネルの外観検査

太陽電池パネルの欠陥検出に対して、外観検査AIの性能を「分類器(SVM)」および「Deep Learning(CNN)」手法と比較。表に示すように外観検査AIは論文*に示されていた参考データをはるかに上回る好成績です。教師データが小さい場合でも、より高い精度で、より早くAIモデルを作成します。

* Sergiu Deitsch et al. : Automatic Classification of Defective Photovoltaic Module Cells in Electroluminescence Images. 2019
SVM CNN 外観検査AI
学習データ量 800枚 800枚 60枚
学習時間 30分 5時間 19秒
推論時間 8分 20秒 10秒
精度 85% 86% 90%

ニュースレター購読Newsletter

登録はこちら