KE-VJM-AI シリーズ

AI（ディープラーニング）外観検査システム

特長

モノクロ無地表面欠陥検査システムの『KE-VJM シリーズ』に、ディープラーニング機能を搭載したモデルです。

ディープラーニングとは

AIソフトウェアの学習効果

■ 人による目視検査の柔軟性を、AIソフトウェアの学習効果により実現が可能です。
■ マシンビジョンとディープラーニングの組み合せで、検査領域の拡大が期待できます。
■ 欠点の検出能力や、種別判別の精度向上が期待できます。

金属表面の外観検査におけるディープラーニング学習例

■ 従来の検査システムでは困難な欠点の識別も、AIソフトウェアによる学習効果で精度向上が期待できます。

 

フィルム表面の外観検査におけるディープラーニング学習例

■ 最適な学習方法で精度の向上、欠点の種別判別も可能です。

• 良品撮像画像

良品のみを学習させる方法では、色々な角度で撮像したフィルムの画像を複数枚ソフトウェアに投入します。

 

• 良品画像学習

ソフトウェアに良品として学習させることで、安定した判別が可能となります。

 

• 不良品撮像画像

フィルム表面に欠点がある画像を不良品としてソフトウェアに投入。 不良品の種類を特長別に学習させることで、種別判別も可能となります。

 

• 不良品判定

ソフトウェアに不良品として学習させることで、対象の欠点を自動的に赤くマーキングして判定しています。

 

 

ディープラーニングによる欠点の種別判別

■ 人による目視検査の判断に近い欠点の種別判定が可能になり、品質管理の向上に貢献します。

• ピンホール判別（スコア0.999998）

スコアの数値は判別における認識率を表しており、1.0000が100％の認識となります。
「ピンホール」の認識は、高い確率で判別が可能です。

 

• ゲル判別（スコア0.99999）

熱硬化性樹脂が溶解する途中段階で、ゼリー状になる現象の「ゲル」の認識は、高い確率で判別が可能です。

 

• 虫判別（スコア0.999942）

「虫」は大きさや種類が多種多様にあり、認識率の向上には大量の撮像画像の投入によるソフトウェアの学習が必要となります。

 

• フィッシュアイ判別（スコア0.767479）

「フィッシュアイ」は様々な要因で発生する場合があり、大きさや形状もバラバラで、識率の向上には大量の撮像画像の投入によるソフトウェアの学習が必要となります。

 

• 分類された欠点を視覚的に表示

分類わけされた欠点は、マップ上にマークの形状や色で分けることが可能で、検査されたシートのどの部分にどのような欠点があるか、一目で認識することが可能となります。
これにより、製品の品質管理における様々な判断材料となり、品質の向上に貢献することが期待できます。

 

システム構成例（参考）

検査内容やご要望に応じて柔軟なシステム構成をご提案

 

オプション：AIサポート

AI（ディープラーニング）外観検査システムのKE-VJM-AIシリーズのご利用にあたっては、AIソフトウェアの認識率の維持・安定・向上のために、定期的なメンテナンスをお勧めしております。
弊社では年間のAIサポートとして、機器のメンテナンスをはじめ、AIソフトウェアの認識率の維持のための最適化や、新たな画像の取得・登録・欠点認識のサポートを実施いたします。
お客様の作業負担の軽減と合わせてご検討ください。

 

オプション