16～28 件を表示 ／ 全 28 件
AI画像検査ソフトで接着剤の塗布切れを検査します！
スピーカーなどの音響システムメーカーさまからの評価依頼です。 お問合せ以前はライン作業員が目視で1日10,000台もの検査でした、黒い樹脂に黒っぽい接着剤のため目視・カメラ共に非常に見えにくい特性のあるワークのためお困りでした。 【検査設定と検査結果】 EasyInspectorで検査することが困難だったのでDeepSkyというディープラーニングを活用した製品を使用しました。ひとまず今ある画像で学習を行ってみたところ検出は可能でしたが、データ数も少なく、写りも非常に検査し難いもののため、精度の面でより詳細な検証が必要と思います。ただ検出自体は一応できましたので、その様子が分かる資料として上部の画像を報告しています。 【使用したソフト】 使用ソフト：DeepSky
AI画像検査ソフトで透明のニスの有無を検査します！
容器や梱包資材メーカーより透明のニスの有り無しについてのお問合せがありました。 透明のニスの有無はEasyInspectorのような従来型の画像処理では安定した検出が難しく、ご提案するとしたらディープラーニングを活用したDeepSkyというソフトになります。 【検査設定と検査結果】 学習データが画像2枚分しかないので参考程度の結果になりますが、ニスがある状態と無い状態を学習させることで、画像のようにニスの有無を判別できる可能性があります。お送り頂いた画像は照明条件や位置決め、カメラの距離など安定した環境で撮像されたものと思いますが、同様の撮像方法でNG画像とOK画像の量を増やす送付をお願いし今後の検証をすすめていきます。 【使用したソフト】 使用ソフト：DeepSky
AI画像検査ソフトで機器のツメの良し悪しを検出し判定しています！
FA制御機器メーカーからのお問合せです。 外観検査は単純作業と見られがちですが「OK」「NG」を判断するスキルが必要で、だれもが安定して行える作業ではない場合があります。体調や作業時間が長くなると疲れなども検査結果が不安定になる原因の一つと言える、弊社でも熟練工の技術のように検査判断を可能とする微細キズや汚れなども判定できるよう検査ソフトを開発しています。 【検査設定と検査結果】 機器のツメ実装を良好に判定しています。 Windowsソフトを操作する要領で画像データ収集→学習→判定の設定が可能になっています。売り切りで組み込みやすい検査ソフトです。「DeepSky」はWEB上でのお試しサービスがあります、今まであきらめていたような検査事例であっても、当社ホームページを確認してください。 【使用したソフト】 使用ソフト：DeepSky
AI画像検査ソフトで基板コンデンサの極性検査を行います！
近年の労働人口の減少は社会問題になっておりそのような中で品質を維持するためFA業界の検査へのAIの必要性は高まっています。音響機器メーカーでも弊社の画像検査ソフトをご検討いただいています。今回は基板コンデンサの極性検査の評価依頼です。 【検査設定と検査結果】 NG評価用の画像3枚を加えた合計23枚の画像で、教師データはOK5枚、NG5枚、評価用1枚の合計11枚としました。コンデンサの極性マーカーのみアノテーションし、12000step学習を実行し判定が可能でした。 DeepSkyは基本的に検出・判定に必要な機能だけ持たせており、お客様ごとの運用上で必要となるような機能については外部のアプリケーションを開発する方針をとらせて頂いております。 【使用したソフト】 使用ソフト：DeepSky学習版 検査個所数：8ヶ所
ナットの加工済面（表）未加工面（裏）を判別します！
同じ素材、類似の形でありましても、テクスチャーを感じ取り判定できる場合も多くあります。 商社や産業機器メーカー様への販売も致します。お気軽にお問合せください。 【検査設定と検査結果】 ディープラーニングによる画像処理でナットの加工有無（表裏）は判別可能でした。 切粉振りを行ったものと行っていないものは画像上の違いが殆ど無いため、検査上は同じ物として扱い、加工済 10 枚、未加工 10 枚の合計 20 枚を教師データとして使用し良好に判定できました。 ディープラーニング(深層学習)とは、人間が自然におこなう思考をコンピュータに学習させる機械学習の手法のひとつです。弊社の検査ソフトDeepSkyではこのAI技術で設計されています。 【使用したソフト】 使用ソフト：DeepSky学習版 検査個所数：1ヶ所（ワークが裏か表か判定）
納得できない結果や設定方法に疑問などがありましたらお気軽にお問合せください。
穀物乾燥機メーカーさまは弊社のHPよりAI（ディープラーニング）を使用した検査ソフトDeepSkyのWEBお試しを体験されていましたが良い検査結果が得られず、パラメーターの生成方法についてご案内しました。 ディープラーニングの検査に慣れている担当者さまはスムーズに検査ができますが、初めて使用される場合には思い通りの結果が得られないことがあるのは当然です、もし、納得できない結果や設定方法に疑問などがありましたらお気軽にお問合せください。 【検査設定と検査結果】 検出したい対象箇所を枠で囲み、種類ごとにラベルを付与し設定しました。今回は数字の1～4と数字がないもの５種類７枚の教師データを使用しています。全ての画像で正しく対象を識別できました。 【使用したソフト】 使用ソフト：DeepSky 検査個所数：2ヶ所 画面の中２ヶ所の数字を認識する
トレイに入った食品のはみ出し具合を検査し判定いたします。
食品メーカーよりトレイに入った食品のはみ出し具合についての簡易検査をルールベース式の「EasyInspector」で検査しご報告したましたが、青地に白模様のトレイのはみ出し検出は難しかったため、AI（ディープラーニング）用いた「DeepSky」で再検証することになりました。 当社ホームページには検査ソフトのWEB無料お試しを公開しております。AI（ディープラーニング）を使用した検査ソフトを実際に体感いただく事もできます。 【検査設定と検査結果】 お預かり中のサンプル品で数パターンの不良状態を作成し、その画像を学習させることで 具材のはみだしを検出することは可能でした。 ただし、今回のケースでは具材や不良状態に様々なパターンが想定されるため、十分な検出 結果を得るためには多くの教師データが必要となります。 2021年のバーションアップにより教師画像の水増し機能を搭載することができました。今後も様々な便利機能を追加し使いやすい現場目線の検査ソフトを開発していきます。 【使用したソフト】 使用ソフト：DeepSky
AI画像検査ソフトで部品寸法の検査と検査画像を記録します！
工作機で加工した部品寸法の検査良否判定について、現在の目視による基準から、データに基づいた基準にする検討をしている空気圧機や制御機器メーカーのご担当者よりご相談がありました。 製品の寸法を記録に残したいご要望でサンプル画像をいただきました。 【検査設定と検査結果】 EasyInspectorとDeepSky両方の検査を簡易検証を行いました。どちらも検出することは可能でした。 弊社では必要に応じて従来型ルールベース方式の検査ソフト「EasyInspector」（検出結果は左画像です）とAI（ディープラーニング）を用いた「DeepSky」（検出結果は右の画像です）両方のご提案をすることができます。 記録方法としては、SCV（Excel）と検査画像を残す方法があります。 【使用したソフト】 使用ソフト：EasyInspector DeepSky
AI画像検査ソフトで人が記入したチェックシートの確認を行います！
「作業者による目視確認のため、どうしても見落としがある」のは工場の生産工程以外でも起こりうる事柄です。 産業機械メーカー様からの問い合わせですが、人が記入したチェックシートの確認はどの業界にも通じる事例と言えます。 【検査設定と検査結果】 送付頂きましたチェックシートのデータを印刷してテストしました。 紙上のチェック有無等の検証をさせて頂きました。EasyInspectorの「OCR Pro」機能を使用することにより5カ所の穴文字や記号の読み取りが0.62秒で可能でした。 簡易検証後、社内デモンストレーションを承ります、その他にもホームページ上におけるWEB動画のデモンストレーション、60日間お試しソフトのダウンロード、検査品の無料評価サービスなど、お客様が簡単に検査システムを導入できるようにするための情報とサポートを充実してご連絡お待ちしております。 上記サービスを是非ご利用いただき、ご要望やご不明な点がありましたらいつでもお問い合せからご連絡頂けますと幸いです。
AI画像検査ソフトで製品画像から篏合隙間・外形不良を検出し判定します！
電子部品メーカーからのお問合せです。昨今コンプライアンスやセキュリティーの観点からサンプル送付が難しい事業所が増えています。 DeepSkyは不良箇所を学習させる方法で設定を作成していきます。そのため、検査内容にもよりますがサンプル送付が難しい場合、良品画像と不良画像データを20～30枚程度ご用意して頂く必要があります。 まずは、どのような検査内容か把握する必要があり、OKとNGの画像を数枚程度お送りいただくことからのスタートとなることが多いです。 【検査設定と検査結果】 送り頂きました画像にて検証を行った結果、良品と不良品の識別は可能でした。 画像が 8bit のモノクロ画像でしたので 24bit に変換してから検証を行いました。 今回の検証は DeepSky という、いわゆる AI（Deep Learning）を使用したソフトで検査しました。 検出させたい箇所を学習させることでソフト自身が設定パラメータを調整し、認識するよう になります。 良品と不良品をそれぞれ異なるラベルで学習させ、識別できるように学習させました。
どのような教師画像を使用するかなどの設定に関してもしっかりとサポートいたします！
自動車部品や工機などを制作されているお客様よりDeepSkyの設定についてお問い合わせがありました「設定したアノテーション部分の特徴を見て画面全体を探しているものだと思ってましたが、画角上のどこに出やすいみたいな傾向も一緒に覚えていますか？」とのご質問です。 【検査設定と検査結果】 色も大きさも同じ四角形を 並べて、上側だけアノテーションして学習させます。（左上の画像）右上の画像では、上側だけ見つけることができています。下の左画像では上側だけのものも見つけられます。しかし右画像では下側だけのものは見つけられませんでした。 過学習によって教師との一致度の高いデータ以外見つけられなくなってしまっている場合はまたちょっと話が変わってきますが、不良など、見つけたいモノの位置は検査精度に大きく関わってきます。様々な位置や向き、角度を変えた教師画像を使用する必要があります。 2021年現在ではDeepSkyに教師画像水増し機能を搭載しました。なかなか出現しない不良の画像を、上下左右に反転や回転させたり輝度やガウスノイズを使用して水増しすることができます。
金属溶接部品の接合部分のビードズレ、ブローホール、ヤブレなどの不良を検出します！
自動車部品などの金属溶接部品は仕様違いにより接合部分のビードズレ、ブローホール、ヤブレなどは以前からお問合せが多い不良事例です。以前はEasyInspectorで位置固定しての検査でしたが2020年リリースしたDeepSkyの検査機能を用いての検査の設定が容易で位置固定無しでの検査が可能になっています。 【検査設定と検査結果】 検出したい対象箇所を枠で囲み、種類ごとにラベルを付与しました。OK8 枚、NG6 枚の合計 14 枚を教師データとして使用しました。学習は 2,000step 実行し、16 分程度でグラフは収束しました。時間は使用する PC のスペックにより増減します。今回の検査では学習させた不良箇所を検出することになるので、ひとつでも検出したら NG （カウントが 0 個から 0 個の時のみ OK）となるよう設定し、溶接不良の検出ができました。
ICリードの良品と半田状態が不良（浮き）を検出します！
プリント基板製造や実装向けのハード、ソフトの制作をされているメーカーよりご連絡がありました。 プリント基板に部品を搭載し、半田付けした後の半田状態の良否判定を画像診断で行えないか検討されています。 【検査設定と検査結果】 頂いた画像で検証した限りではNG箇所をNGと識別することができました。 この検証ではNG6枚、OK3枚の合計9枚の画像を使用しました。はじめにNG1～3、OK1～3の合計6枚を教師データとしてモデルを作成しましたが、NG7～8が検出できなかったためこの3枚を教師画像に追加 しました。結果として正しく検出することはできましたが、NGの出現場所が最右固定だったのでそれ以外のパターンでも検出可能かどうか検証がこれから必要です。
