AIsmiley編集部が作成したAI・人工知能トレンドマガジン

AI・人工知能サービス

2019/3/15

【画像認識AI】大量の不良品の画像データ収集作業から解放してくれる機能とは?

  • 画像認識・画像解析
  • 製造業

 

近年、ものづくり業界では、人手不足の解消や品質維持のためにAI・人工知能の活用が期待されています。

製品の品質を保つために、製造ラインでは様々な検査機器が導入されていますが、並行して人による目視検査も行われています。

製造の現場では、人手のかかる目視検査をAIによって自動化したいというニーズが増えています。

 

「不良品データが少ないので良品のデータだけでやれませんか」

目視検査に代わる手段として画像認識AIの導入を検討しているユーザー企業からこのような声が数多く寄せられています。

今回は、画像認識AIの新常識「良品の画像データのみの学習」で不良品を検出する機能について着目します。

 

日本の工場では不良品の画像データの収集が難航

例えば、高い精度が求められる検品業務をAIで代替しようとすると、AIの学習のために不良品の画像データが数千~数万枚ほど必要です。

特に、日本の製造現場では、品質が高く不良品がほとんど発生しないことから、不良品の画像データを大量に収集する事が難しいという課題があります。

例えば、自動車向けの歯車メーカーでは、不良品の率が0.002%と非常に低く、AIを学習させるための不良品の画像データ不足に悩まされました。

意図的に製品にキズや汚れを付ける手法には限界があり、新製品を製造する度に、それぞれの製品に応じた不良品の画像データを一から作り直すには、膨大な時間と労力を必要とします。

 

 

 

人とAIが協力して品質管理を行う未来の工場

あるPCメーカーの導入事例では、工場でノートPCの組立から出荷までを一貫して行っており、1台単位のカスタマイズ製品を出荷していました。

従来、同工場の製造ラインでは画像認識技術による外観検査を運用し、人と機械が協力して品質管理に努めてきました。

しかし、製品仕様の多様化に伴って、従来のシステムでは検出が困難な不良パターンが多数発生し、目視検査を行う作業員と不良品の特徴を登録するシステム担当者の負担が急増しました。

同工場では目視検査の省人化のためにAIを導入し検品システムの全体構築を見直しました。

良品データのみを学習した異常検知システムを活用しつつ、最終的には異常が検出された製品に絞って作業員が目視で外観検査を行うという製造ラインを構築しました。

 

画像認識AIは熟練工のように「不良品の違和感」を感じ取る

製造現場が抱える不良品の画像データの大量収集の課題に対して、良品の画像データのみの学習で不良品を判定する機能をもつ画像認識AIが続々と登場してきています。

その仕組みの多くは、AIが良品の画像を学習することで、正常な特徴との差異の大きさを認識することで判定させるというものです。

 

画像認識プラットフォーム「Deeptector」|AISmiley AI・人工知能製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるメディア「AIsmiley」

 

NTTコムウェアでは、「Deeptector」という画像認識AIを展開しています。

「Deeptector」の画像判定パターンは複数あり、その中には、良品データのみの学習で不良品の判定が可能な「正例判定型」があります。

「正例判定型」は、不良品の画像データを大量に用意する必要はなく、不良箇所にしるしを付けるタグ付けの作業も必要ありません。

不良品の学習用画像が一定量必要となる従来のAIの課題に応えるとともに、不良品の蓄積が少ないケース、不良品の発生が低いケース、多品種小ロットを製造するケース等でとても有効です。

 


 

ものづくりの現場でのAI導入では、判定結果をロボットアームやコンベアなどの設備と連携させて不良品を取り除きたいという話を聞くことが多いです。

画像認識AIの提案にとどまらず、専門能力を有するパートナーと連携することで、トータルでAIの導入提案をすることができるベンダーもあるので、ぜひAIsmileyを活用して情報収集をしてみてください。

 

画像認識プラットフォーム「Deeptector」の製品詳細はこちら|AI・人工知能製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるメディア

画像認識プラットフォーム「Deeptector」の資料を無料で請求する|AI・人工知能製品・サービスの比較一覧・導入活用事例・資料請求が無料でできるメディア