421～432 件を表示 ／ 全 432 件
簡単操作で一瞬！書類を撮像し、マスター画像と重ね合わせて正誤を検出
『AoriChecker』は、印刷物のマスター画像を記憶させてライブ画像との 重ね合わせを行うソフトです。 マスター画像を設定し、確認したい書類を撮像し重ね合わせることで、 簡単に内容の正誤が確認できます。 またキーボードや付属のキーパッドにより、簡単に各種操作が できるようになります。 【特長】 ■簡単操作で一瞬に誤字脱字を検出 ■様々な大きさに対応 ■モデル(品種)・マスター画像は何枚でも登録可能 ■キーボードやテンキーで簡単操作 ■様々な機能を搭載 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。
AIセグメンテーション機能で作業効率向上・品質安定・コスト削減を実現します！
AI汎用外観検査ソフト『EasyInspector2』https://skylogiq.co.jp/index.php/products/indus-ei2/ に新たに「AIセグメンテーション」機能が追加されました。 「ＡＩセグメンテーション」機能は画像内でディープラーニングによるセグメンテーション（領域分割・画像のピクセル一つひとつに対してラベル付け）を行います。 指定した多角形の領域内で、セグメンテーションで検出されたピクセルの割合を計算し、合否判定を行います。 この機能は主に下記の用途で使用することができます。 ⚫ タンクの水位 ⚫ 金属加工面の面積や塗布面積 ⚫ 農作物の成長度（大きさ）の測定 ⚫ 写真内の病巣などの検出とその面積の測定 ⚫ シーラーや接着剤の塗布切れ確認 ⚫ 排出される煙の量の監視 AIセグメンテーション機能を使って判定することで - 作業効率の向上：目視検査に比べて大幅な時間短縮が可能 - 品質管理の精度向上：人為的なミスを減らし、品質安定化を実現 - コスト削減：人件費削減、不良品の発生抑制によるコスト削減 を実現します。
AI画像検査ソフト『Deepsky』現場目線の機能を一つご紹介します！
▼機能：エリアごとのOK/NG判定 「画像の中に何が何個検出されたか」だけではなく「どこに検出されたか」で判定する機能です。 用途によっては画面全体での個数では正しく判定できない場合があります。例えば下のようにコンデンサ2個、向きが互い違いになっている場合です。この場合、コンデンサの向きがそれぞれ逆になっていれば不合格とすべきですが、全体の個数としてはどちらも極性マークが上にある物と下にある物、それぞれ1個ずつとなるためどちらも合格となってしまいます。（図1） このような場合はエリアごとに分けて判定を行います。下の点線の枠のように、あらかじめエリアを決めておいてそれぞれのエリアで個数判定を行います。（図2） それぞれのエリアの中で： 「上向きのコンデンサが一つ検出されたらOK」 「下向きのコンデンサが一つでも検出されたらNG」 といった設定を行います。（図3） これにより同じ個数で互い違いになっているNG品でも正しくNG判定できるようになります。（図4）
DeepSkyの精度を向上させるための設定のコツについてご紹介します！（アノテーション編）
今回はアノテーションに関する情報を紹介いたします。 アノテーションは検出精度に関係する重要な設定のひとつですので、是非参考にしていただければと思います。 Q. ラベルをまとめるか、それとも細かく分けるか 複数の検出対象（キズ・ヨゴレ・ダコンなど）があるときに、アノテーションのラベルを「欠陥」と全て同じ名前で 登録するか、「キズ・ヨゴレ・ダコン」と形状ごとにラベルを分けて登録するといった2パターンがあります。 DeepSkyはラベルが少ない方が検出結果は向上する傾向があるので、なるべく同じラベルで登録する方が良いです。 ただ、どの欠陥が検出されたか知る必要がある場合は形状ごとにラベルを分ける必要があります。 この時に、キズを間違えてヨゴレで登録すると学習時に整合性が無くなってしまい、上手く学習できないケースがあります。 そのため、アノテーションは間違い、見落としが無いように慎重に行う必要があります。 （図1）
AI画像検査ソフト『DeepSky』の現場目線の便利機能をご紹介します！
▼機能：オートアノテーション アノテーションを自動で実行してくれる機能です。従来はβ機能でしたが Ver. 2.2.0.0から正式な機能となりました。 物体認識ではアノテーションがとても大事ということはご存知の方が多いと思います。ただ、画像内に対象物が沢山あるとアノテーションの作業量が多くなり、そして作業量が多くなるとアノテーションをし忘れたり間違えたりというミスがどうしても増えます。アノテーションをし忘れてしまうと、DeepSkyは同じ物体に対して「これは（同じように見えるが）見つけてはいけないものだ」という判定をするようにパラメータを調節してしまうので物体の認識率が著しく下がったりといった問題が出てしまいます。（図1 アノテーション忘れ そこで、オートアノテーション機能が登場します。オートアノテーションを使うと、ボタンのクリック一つで「いままでの学習データから考えるとここにアノテーションしたいですよね？」といったアノテーションの提案を自動で行ってくれます。 （図2・3・4を参照）
ホワイトバランスについて説明します！
現在、画像について多くのことを学んでいる日々なのですが、「良い画像を撮影する」ということが重要であることを実感しています。 カメラには様々な機能が搭載されており、きちんと適した設定にすることができたら良い画像を撮影することができるようです。 そんな設定機能の中の一つに「ホワイトバランス」があります。 画像処理素人であった私は、聞いたことはあるけどいったい何をしているんだ？と思っておりました。 気になって調べたところ、面白かったのと役立ちそうでしたのでご紹介します。 ※詳しくは関連リンクをご覧ください。
物体認識の原理について説明します！
最近、AIのソフト（EasyInspector2やDeepSky）をご使用頂いているお客様から「なんでこうなるの？」「こうなるはずでは？」「中身はどうなっているの？」というお話を頂くことが多くなっています。 このような時、担当者はどのように説明するべきか迷うようです。確かに、感覚的に分かりやすく説明しようとするといわゆる例え話（※）に終始してしまったり、細かく説明しようとすれば専門書の方が詳しいとなったりしてしまいます。私も「もう一歩踏み込んでAI画像処理の原理を知りたい」というお客様にちょうど良い説明資料が見つけられないでいました。 ※詳しくは関連リンク（ブログ）をご覧ください
「教師画像」と「アノテーション」についてご紹介します！
弊社の営業技術がお客様と話をしている時にほぼ毎回説明しているものですが、AIの性能を大きく左右する重要な要素にもかかわらずネットを調べても話が一般的すぎて実用上の参考になりにくいものが多く、もう少し実用的・具体的・現実的な解説ができればきっと皆さんの参考になるだろうと考えたのが今回のブログの背景です。 ■いくら良いAIでも間違ったことを教えられたら間違った結果を出す ・教師画像について ・アノテーションについて ・アノテーションで便利な機能 ・参考になるブログと動画 ※詳しくは関連リンク（ブログ）をご覧ください。
シュリンク包装品の破れの有り無しを検証！
食品メーカー様のシュリンク包装品の破れの有り無しを無料の簡易検証でご報告しました。 変形・段積み崩れ・フラップ糊付け等も引き続き検証して様々な不良検出をご提案したいと思っています。 簡易検証では人が目視ですぐに分かる程度の破れ：8割程度、製品の色が白等で人でも分かりにくい破れ：5割程度の正判定が可能でした。 今回は限られたサンプル品で検証しており、学習データが少なかったためこのような精度になったのではないかと思います。より多くのデータを学習させることで検出の精度は上がります。 【使用したソフト】 Deepsky
「本当に高画素カメラを使わないと判定ができないのか？」ということを考えてカメラの画素数を選定する必要があります。
「高画素は高性能」— 確かに、高画素になるにつれて細部まで鮮明に撮影できるようになります。しかしながら、単純に大は小を兼ねるというわけではなく、高画素カメラにも弊害があります。例えば、無駄に画素数が多いカメラを使うと画像処理に余計に時間がかかってしまいます。そのため「本当に高画素カメラを使わないと判定ができないのか？」ということを考えてカメラの画素数を選定する必要があります。 下の例は30万画素から1400万画素まで、PCのマザーボードの一部を同じサイズまで引き伸ばしたときにどれくらいの鮮明度の違いが出るか実験をした結果です。 （図を参照） このように、広い視野の中の細かい部分を見ようとしたとき、高画素の性能が発揮されます。ただ、先程書いたように画像処理の時間が長くなるほか、この後の「高画素か、低画素か(2)」で紹介するように露光時間も長くする必要があります。「本当に高画素カメラを使わないと判定ができないのか？」という考え方はカメラを選定する上で重要な要素の一つです。
ディープラーニングにおける解像度に対する考え方についてご紹介します！
「検出力を向上するために高解像度のカメラを使いたい」というお声をよくいただきます。ルールベースの画像処理の場合高解像度の画像を使用すると分解能が良くなり検出力が向上する傾向にありますが、ディープラーニングではその限りではない場合があります。ディープラーニングにおける解像度に対する考え方について、大雑把ではありますが下記に簡単に解説致します。 （図1）の(1)～(3)のような画像があるとします。 (1)全体の面積10×10、灰色の四角形の面積4 (2)全体の面積20×20、灰色の四角形の面積16 (3)全体の面積10×10、灰色の四角形の面積16 (2)の灰色の四角形の面積は(1)に比べて4倍大きいですが、全体の面積に対する灰色の四角形の比率で見れば(1)：4/100、(2)：16/400であり、どちらも4％分しかありません。 ディープラーニングにおいて、「灰色の四角形の検出しやすさ」という意味では、(1)と(2)はほとんど同じです。
「見つけたいモノ」があったら是非スカイロジックまでお問い合わせください！
お客様とお話をしているとどうもAI（ディープラーニング）が勝手にOKかNGか判定してくれると思われていると感じる時があります。これは微妙なニュアンスの違いであり、実際の会話の中でわざわざ訂正するほどのものではないのですが、今日はそのモヤモヤを晴らしたくてこの記事を書きます。 さて上でモヤモヤと書きましたが実際何が違うかと言うと、ソフト上で何をOKとして、何をNGとするか決めているのは実は人間だということです。 「じゃぁAIって何してるんだ……」となってしまうのですが、答えを言ってしまうと弊社のAIが行っていることは「教わったモノを見つける」、本質的にはこれだけです。この機能は一般的に「物体検出」と呼ばれます。 「物体検出」では文字通り画像の中から「物体」を「検出」します。
