InspectAIの特長
少量の異常品画像で高精度を実現

弊社検証下では毛髪を検出率100%(見逃し率0%)で検出しました。
(異常品画像を使わない学習も可能です。)
独自の高速化技術

1-2時間で学習が完了

現場だけで運用可能

最適なカメラ・撮像方法の提案

複数面の同時検査が可能

PLC連携が可能

段取替えに対応可能

検査のデモ
「InspectAI」の検証環境での検証結果です。
[1] 正常品+少量の異常品の画像で高精度な検査を実現します。
インスタント食品の異物検知
従来のAI開発手法と比較し少量(1/10程度)の異常品画像で学習。
さらに複数の検査対象物(醤油味・シーフード味)を1つのAIで検査可能(異常品画像は醤油味のみで準備)。
細い毛髪も正しく検出(見逃し0%/検出率100%) 。
プラスチック片を異常検出しながら、正常な内容物である白色のネギやタコは異常検出しない。
※掲載している異常品は、弊社がデモ用に作成したものです。
さらに複数の検査対象物(醤油味・シーフード味)を1つのAIで検査可能(異常品画像は醤油味のみで準備)。
細い毛髪も正しく検出(見逃し0%/検出率100%) 。
プラスチック片を異常検出しながら、正常な内容物である白色のネギやタコは異常検出しない。
※掲載している異常品は、弊社がデモ用に作成したものです。
金属ボールベアリングの打痕検知
1mm以下の複数の打痕を検出。検出難易度の高い微細なエッジ打痕も検出。
一方で、小さな埃や不良基準に満たない傷は過検出しない。
1つのAIモデルで表裏両面の検査に対応。
検査タクトタイム0.2秒以下を実現。
一方で、小さな埃や不良基準に満たない傷は過検出しない。
1つのAIモデルで表裏両面の検査に対応。
検査タクトタイム0.2秒以下を実現。
[2] 正常品画像のみでも異常を的確に判定します。
革の不良検知
不良の種類 | 傷・穴・ボンドの付着 |
---|---|
学習画像(正常) | 300枚 |
ワッシャーの不良検知

不良の種類 | 傷・汚れ |
---|---|
学習画像(正常) | 329枚 |
対応する検査例
検査対象物 01
金属部品・金属製品

検出異常例傷、打痕、ひび、折れ、塗装(色むら)、溶接
検査対象物 02
食品

検出異常例異物混入(ほこり、毛髪、紙片、容器の破片)
検査対象物 03
電子部品

検出異常例欠け、曲がり、バリ、ピッチ
検査対象物 04
プラスチック部品・プラスチック製品

検出異常例充填不良、形状不良、異物混入、変形
導入事例
食品原材料の異物検知で
無人化を実現。
無人化を実現。
導入前

原材料にまれに混入する異物を、検査員が目視で検査。ルールベースの画像検査装置では対応できなかった。

課題
検査方法 | 異物混入を検査員が目視検査。 |
---|---|
検査人員 | 1名必要(この検査工程だけ無人化できない)。 |

導入後
品質検査工程における異物除去工程をAIにより無人化を実現。

効果
検査方法 | 検知AIにより異物を検知 (検出率95.88%・誤検出率0.00%) |
---|---|
検査人員 | 人員不要(無人化を実現)。 |
以下の活用事例記事もご覧ください。
導入の流れ

