top of page
従来、人の目で判断していた傷や欠陥をディープラーニングを用いて自動検出させることにより、工場内の省人化を実現します。
撮影手法
・0.5mmの鋳巣、欠陥を自動検出します。
・AIの学習、学習作業効率を上げるための手法を弊社でサポートします。
※撮影範囲や、検査時間はワーク形状に応じて異なります。
撮影手法例
一般的
欠陥検出撮影
3方向照明切り替え
欠陥検出撮影
ワーク全面間接照明
欠陥検出撮影
カメラ

欠陥
カメラ

欠陥

カメラ
欠陥
間接照明用
ボード
※弊社では欠陥の種類により、様々な撮影手法をご提案致します。上記3例以外の撮影手法実績もございます。一度ご相談ください。
ディープラーニングによる検出
〔問題あり〕

鋳巣

傷

〔問題なし〕

加工跡模様

クーラント残り
欠陥と間違えて過検出しやすいクーラント、
切り粉、加工跡などの誤判定をディープラーニングによって正確に学習、分類し、欠陥のみを検出します。
照明3台を切り替えて撮影し、合成することで、欠陥の特徴が際立つ画像を取得します。

通常撮影画像
欠陥・汚れ・フライス痕が同じ色となっており、特徴さがほどんどない

三照明撮影画像
欠陥→鮮やかな赤と緑
汚れ→オレンジ
フライス痕→黒に近い紫
違和感ごとに色分け
AI検査装置用 学習支援システム
プロジェクタ投影によって欠陥位置が確認でき、目視での正誤判定が可能
生産稼働ライン上で、新たに学習データを蓄積することで、より高精度な判定を実現


自動AI検査装置
②判定をフィードバック
OK
グレー
OK
NG
モニタ表示
ストアーラック
学習支援装置
(作業者による判定)
③再学習
①グレーゾーン箇所を作業者に提示
bottom of page