画像認識AIソリューションPictel は、研究開発から生産、検査に至るまで幅広く活用されています。
画像を数値化する技術を用いて、異常検知、プロセス改善、工場DX、危険(安全)検知を実現します。
「Pictel」の活用事例とその効果をご紹介します。
その1
音羽電機工業株式会社 さま
●既存画像処理装置(ルールベース)ではじけない外観不良判定品の低減
●外観不良判定の傾向分析による生産工程改善
●プロセスにおける現状分析及び外観不良判定品の原因究明
外観不良判定品に対するAI解析
●発生箇所の可視化
●相関分析
●時系列データによる推移把握
プロセス改善における効果
●従来の検査手法よりも高精度な外観不良検知が可能となりました。
●外観不良判定品の傾向から、プロセスに原因があることが判明し特定することができました。
●生産部隊との改善活動により、原因部分への対処法を発案しました。
その2
ジック株式会社 さま(協業実績)
●従来の2D画像情報では「キズ」と「汚れ」の判別ができない
●「キズ」か「汚れ」かの区別を付けた判定をさせることで、高い異常検知精度を提供する
木材を用いた異常検知
●下図の2D画像では、外観の異常のみを検知するに至っているが、右の3D画像では、凹凸の異常まで検知することが可能となります。
図-S1:Pictelによる異常部位検知例
従来の2D画像では、見た目で判断できるキズしか検知できず、見た目では判断できないキズは検知しない誤検知のリスクがあることが判明しました。
3Dマシンビジョンセンサーで撮影された3D画像では、単純な汚れなのか、見た目に分からないキズなのか判別が可能となりました。
※評価手法に課題をお持ちの方は、ぜひお問い合わせください!
その3
一般財団法人 電力中央研究所 さま(共同研究事例)
●従来法(スポット)では環境影響評価が困難
●カメラやAIを活用した新たな環境影響評価手法の確立
●電力中央研究所さまのアセットおよび、画像認識AIソリューションPictel による環境影響評価手法の実証試験
水中の魚を検知、カウントしている様子
現在、実証試験中
ご相談内容と現状の検証をしながら、
ご要望に応じた画像認識AIソリューションシステムの導入検討を進めます。
step
1
ヒアリング
検査対象や検査項目、必要な精度、速度などの検討事項を丁寧にヒアリングさせていただき要件定義をおこないます。
step
2
初期検討
精度評価用に異常画像と正常画像などのサンプル画像をご用意いただき、当社にて入力データの事前検討を実施。
step
3
AIモデルの精度検証
AIモデルを構築し、精度を検証します。
step
4
実証実験(トライアル導入)
実証実験及びAIモデルの精度検証結果を受けて、最終的なソフトウェア・ハードウェアの構成案をご提示し、現場で試験導入を実施します。
step
5
導入(現場への適用を開始)
試験導入により改良・改善したものを導入、運用を開始します。
サポート
導入後のサポート
導入後1年間を目途に調整や仕様変更等サポートさせていただき、現場への定着を後押しします。
※AIモデル再構築を行う場合は、別途費用が発生することがあります。
電子基板・部品製造用薬品の開発および製造技術から生まれた 画像認識AIソリューションPictel の開発ストーリー
開発ストーリー