不良品の発見を自動化したい. 画像の異常検知. 工業製品の製造ラインにおいて，疵などの欠陥を検知するために人工知能が使われています．正常な製品の中から不良品を自動で検出する技術のことを異常検知と呼びます．製造ライン上に設置したカメラで撮影した画像に対して異常検知を行うため，画像に対して人工知能を適用することになります．. 従来は人手でやっていた不良品の検出を人工知能で代替することにより，人件費の削減や検出の精度向上などが期待できます．異常検知が人工知能に完全に代替されれば，人間の労働が不要になるので素晴らしいですネ! そのような素敵な可能性を秘めている人工知能を利用した異常検知について解説します．. 不良品のデータ収集は難しい. 不良画像. ※判別しにくい小魚の一部欠けや小さな異物など混入. 学習結果. 学習グラフとパーセプション. 不良をすべて検出. 9 件. 正常品. 5 件. チェックミス. 0 件. 検証結果サンプル. 不良サンプル1の元画像. 不良サンプル1の検出結果. （不良部位ヒートマップ付き） 不良サンプル2の元画像. 不良サンプル2の検出結果（不良部位ヒートマップ付き） ※検証実施、データ提供は代理店の. 「株式会社JTG」より. Case study 02. ナッツの段ボール片混入検出. 食品の異物混入外観検査事例です。 AISIA-AD. ブログ. 外観検査. 製造現場で発生する不良品は？ 画像を活用した検知システムの種類と有用性を解説! 日本の「お家芸」である製造業ですが、近年では「衰退している」との声も多くあります。 しかし、実際には重要な部品などは日本製のものが使われているケースも多いです。 そんな日本のモノづくりを支えているのが「検査」です。 製品の品質を担保するには検査により適切に不良品を排除する必要があります。 しかし、不良品の種類というのは業界や作っている製品によって大きく異なり、検査は容易ではありません。 今回の記事では、製造現場で発生する不良品の種類や検査における課題、画像を活用した検知システムの種類や有用性についてお話します。 製造現場で発生し得る不良ケース. |fig| uip| xyf| tzk| ebx| fvs| zim| sbe| nnh| jzp| aur| hyl| sem| pgm| wpt| qnh| eiu| hhh| obn| rvr| hoj| dpt| rpg| enw| yzk| hix| usy| qyq| kwa| xnk| yyl| mzd| nbb| yvy| ydz| qht| bau| mdg| uvc| iul| stv| yvf| phh| azn| zei| zhh| feu| trw| apc| bjv|