外観検査の効率化を図りたいー! | 株式会社松電舎【安心の低価格】

外観検査とAI

1.外観検査の現状 

高品質な製品を製造する上で「外観検査」は非常に重要な工程です。
外観検査は人間の裸眼による目視検査が汎用的で信用の置ける手法ではある。
近年では製品サイズが小型化され、人間の裸眼での目視検査には限界がある。
そこで拡大鏡(ルーペ)、実体顕微鏡、デジタルマイクロスコープなど拡大して検査している。
また人間による検査判断に頼らず、より客観的な評価基準による検査のシステム化の1つとして、
画像処理による検査の自動化が一般的となってきている。
しかしそのような画像処理による自動外観検査に、
人間のような柔軟な判断基準を設定するのは困難である。

 

2.人による目視検査と自動外観検査との差異

従来から人間による目視検査は一定水準で汎用的で信用できる手法として確立されてはいるが
後述するような課題点も多い。
~人間による目視検査の課題点~
①検査員による判断基準の差、バラつき
  検査仕様書・手順書、作業標準書などで定義し、
  均一化を図るが人によって理解度に個人差が出る。
  それが検査判断基準に差やバラつきが生じている。

 

②検査員による熟練度の差
  検査仕様書・手順書、作業標準書などで定義し、均一化を図るが熟練度に個人差が出る。
  新人or熟練により、検査判断基準に差やバラつきが生じている。

 

③検査員の体調、環境、気分のムラ
  同じ検査員のその日の体調、または周辺環境、気分のムラによって
  検査判断基準に差やバラつきが生じている。

 

④人による判断は経験や記憶に頼る部分が大きく、この記憶は「あいまい」、「いい加減さ」が付きまとう。

 

⑤検査員による省略、手抜き、勝手な思い込み、サボりをはらんでいる。

 

⑥検査員による置き場間違いなどのポカミス
  検査判断がせっかく適正であったとしても、
  その置き場を間違いしてしまうようなポカミスをしてしまう。

 

⑦検査員の疲れ
  人間であれば必ず疲れが発生し、判断ミス、確認不足、ポカミスを起こしやすい環境となる。

 

⑧検査品種変更→検査員慣れが必要

 

⑨検査項目が多すぎる
  1品目でコレもチェック、アレもチェックと検査項目が多すぎると
  ⓻検査員の疲れの要因となりうる。

 

⑩繁忙期 → 検査人員不足 → 歩留まりにつながる。

 

⑪閑散期 → 検査人員過剰 → 人員削減となる。

 

⑫検査人員の人件費高騰 → 工場原価高騰につながる。

 

⑬熟練者の退社 → ノウハウやスキルの不足・消失

 

⑭後継者不足 → ノウハウやスキルの不足・消失

 

⑮人員募集するも集まらない → 人員不足 
  人員不足に伴う現検査者への仕事集中で⓻検査員の疲れの要因となりうる。

 

このような人間の目視検査にはたくさんの課題が潜在リスクとして存在し、すでに顕在化して対応を迫られる局面も多い。
伴い、上記問題に対応解決するために、近年、自動外観検査のニーズは増加している。
しかしながら人間による目視検査が未だに実施されているのは、
既存の画像検査に後述するような課題が多いためである。

 

~従来の自動外観検査における課題~

検査対象や撮影条件が微妙に異なる場合に正しい判定ができない。
すなわち検査対象の形状や向き、撮影時の光の反射や色味などの条件が一定でない場合に
誤判定をしてしまう場合がある。
そのため外観が一定の検査対象であれば従来の自動外観検査で対応できるが、
微妙な色むらや形状の違いのある材料・素材を対象にする自動外観検査には向かないことが多かった。
また位置条件を整えるための治具作成、撮影条件を整えるための照明条件など、
コツやノウハウが必要であったり、システム構築及び撮影条件を整えるため多大な時間を費やす必要があった。
そして導入後、運用途中でもし撮影条件が変わってしまった場合には誤判定をしてしまい、再調整が必要となっていた。

 

 

 

3.自動外観検査へのAI(Deep Learning)活用

AI(ディープランニング)を活用した自動外観検査と従来の自動外観検査(画像処理検査)と比較した場合、
大きく違う点はAI(ディープランニング)を活用した場合には検査対象画像から「自動的に特徴を認識・抽出する」という点が大きい。
従来の自動外観検査では検査対象画像に対して人が個別に特徴の認識・抽出方法を設定・設計する必要があった。
しかしAI(ディープランニング)を使った自動外観検査では、数点の例示をすることで
おおよその特徴を認識・抽出ができるようになった。
そしてAI(Deep Learning)活用したことで非常に柔軟に特徴を抽出することが可能となった。
言いかえると、人間が定義するのが難しいこと、気付かないようなな特徴や全体的な雰囲気環境といった
特徴を踏まえて処理することが可能となった。
そのため従来の自動外観検査で撮影条件を整えること、また自動外観検査システムを構築する際の
コツ、ノウハウや難しさ、構築時間など従来手法に比べ飛躍的に向上している。
このようにAIを活用した自動外観検査は非常に魅力的な検査手法であるが、いくつかの課題も存在する。

 

~AI(ディープランニング)活用した自動外観検査の課題~

①ディープランニング(深層学習)には一定量の画像を用意する必要がある。
②判断の難しさによっては画像データは膨大な容量となり、
クラウドなどのデータストレージサービスを併用を余儀なくされたりする場合も多い。
また画像数が多ければディープランニングする、言わば学習、トレーニング、アノテーションする時間がかかってしまう。
③実際には万能ではないため、使い方にノウハウが必要な部分も多い。

 

 

 

 

 

 

 

4.弊社 AI外観検査ソフト「AI-Detector」の特徴 

①簡単な検査に特化したAI自動外観検査の初級、初心者モデル

②簡単な検査に特化したことで画像データは最低15枚~で始められ、
 社内サーバーやクラウドなどの構築が不要。
 パソコン完結で始められます。

③通常半日~一日かかるトレーニング時間が なんと最短1時間!!
 トレーニング開始は クリックするだけ!!

④写真(画像)を追加し、再度トレーニングすることで 熟練度はアップ!!

⑤AI専用のプログラミング言語(Python)は不要です。

⑥今までの外観検査の知識は不要です。

 

 設定は簡単。PCが学習し、検査を簡単に開始できます。  

 → 今からAIによる外観検査を始めたい方に最適!

 

 

 

AI-Detectorの詳細はこちらから