従来の画像処理検査の問題点
製造業では完成品の歩留まり向上、不良品の流出防止などを目的に、様々な検査システムを導入しています。画像を使って製品のキズや欠陥などを調べる検査において、完全自動化できずに半自動化に留まるものも多く、最終チェックは人の目に頼らざるを得ないのが実情です。特に個体差のあるものや、良品と不良品の境目が曖昧なものなどの検査では、これまでのルールベースによる画像処理では、アルゴリズムの構築や過検出と未検出のバランス調整が難しいことが多く、完全自動化への課題となっていました。
AIプラットフォームの概要・構成
AIプラットフォーム概要
AIプラットフォームは、AI開発からインライン展開までをワンストップで支援するプラットフォームです。AIによる画像分類機能によって、個体差がある製品の検査や、汚れや色ムラを見る官能検査、過検出の再分類など、これまで目視検査に頼っていた工程の自動化に貢献します。さらに導入後も収集した画像を使用して追加の学習を行うことで、継続的な判定の精度向上が可能です。また不良品の画像収集が困難という課題に対して、良品のみの学習により、良品・不良品を判断する機能を搭載しております。AIプラットフォームは低コスト、短時間で導入が可能であり、AI開発環境の構築や動作検証の手間を省き、システム導入や運用コストの削減と、検査効率の向上に寄与します。
AIプラットフォーム構成・特徴
AIプラットフォームは、AI開発ツールとWIL®推論ライブラリで構成されます。
※「WIL®」は株式会社ファーストの登録商標(登録第5137538号)です。
- AI開発(学習・評価、オフライン機)からインライン展開までの一貫プラットフォーム
- ソフトウェアとハードウェアを組み合わせたプラットフォームの提供によりAI開発環境導入コストを抑制
- インラインでは、既存ライブラリの追加機能のように、これまでの標準機にアドオン可能
AI開発ツール『FV-AID』
実運用を目指したAI(ディープラーニング)開発のデータ管理、学習、評価を一元管理するAI開発ツールです。学習した判定基準に合わせて画像を分類する機能と、良品のみを学習して異常度(良品からの離れ具合)を出力する機能を備えています。
主な機能
- オフラインでの開発作業
- データセットの管理|アノテーションサポート機能※
- 学習と評価|複数設定で一括学習機能・精度評価の交差検証機能
- 画像分類/良品のみ学習をサポート
WIL®推論ライブラリ『WIL®-PDL』
FASTの標準画像処理装置(FV2340とFV1410)上で動作し、FV-AIDで作成した学習済みモデルをIntel OpenVINO™を利用した高速CPU推論を行います。WIL®-PDLはAI推論を行うWIL®のオプションライブラリです。従来の画像処理機能(ルールベース)にAI機能を追加して、お客様の検査装置などのアプリケーションでご利用いただけます。ルールベースとAIにはそれぞれの得意不得意があるので、それぞれを補完することでより良いソリューションを得られます。
主な機能
- 組み込みのためのC++/C# DLL|FIE/WIL®オプションライブラリ
- CPU高速推論|OpenVINO™による
- WIL®-Builderプラグインも提供
AI開発における課題と『FV-AID』による解決案
AI開発における課題1|データセットの管理
- どの画像を使って学習・評価したかの記録を分かりやすくまとめるのが大変
- 正解データのラベル付の作業が煩雑
解決案
- 画像の管理も『FV-AID』で完結
- 自動分類機能が利用可能(※追加学習時)
AI開発における課題2|学習パラメータの調整
- モデルアーキテクチャやエポック数※などの良し悪しは学習させてみないと分からない
※エポック数:「一つの訓練データを何回繰り返して学習させるか」の数
解決案
- モデルアーキテクチャやエポック数などの複数の設定を予約、一括学習
- 学習曲線により精度が向上している様子を可視化
AI開発における課題3|推論精度の検証
- 学習したモデルがインラインに導入できる精度に達しているのかの確認
- 推論の根拠を知りたい
解決案
- 学習したモデルを選択してボタン1つで簡単実行
- 複数の学習済みモデルの評価、比較が可能
- ヒートマップ画像による推論根拠の可視化
AI開発における課題4|インライン展開の準備
- インラインの画像処理装置に組込む際のハードウェア選定とモデル変換の煩雑さ
解決案
- 『WIL®-PDL』のCPU高速推論用にモデルのデータを変換
- デプロイ(インライン導入)履歴をコメントとして管理可能
AI開発における課題5|評価過程・導入後の追加学習
- 画像を増やすことで学習モデルの精度向上を図りたいが、追加学習するとモデルが崩れてしまう
解決案
- 画像を増やす前後でデータセットを分けて管理可能
- 複数モデルの精度評価を比較可能
AI検査システムの運用モデル
お客様のAI検査システムの実現性検証から本番運用まで、お客様主体でAIの追加学習が可能で、AIモデルの性能を向上させていくことができます。
AIプラットフォーム活用事例
個体差がある製品や、汚れや色ムラを見る官能検査、過検出の再分類など、さまざまな検査に活用することができます。
AIプラットフォームに関するご相談、お見積依頼は下記より問い合わせください。