更新日： 集計期間:2025年11月19日～2025年12月16日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
436～450 件を表示 ／ 全 466 件
良品画像を数十枚登録するだけで、外観検査用AIが構築できる。
・AI構築に必要なのは、良品画像だけ。 AI学習用のデータ収集に苦労していませんか？ gLupeであれば、AI学習に不良品画像は必要ありません。 良品画像数十枚だけで、手軽に始めることができます。 ・AIが良品の特徴を自動学習。 登録した良品画像からAIが良品の特徴を自動学習し、 良品と特徴が異なるものを不良として検出してくれます。 画像処理のように細かいパラメータ調整は不要です。 ・独自のAIアルゴリズム gLupeは独自に開発したAIを採用しています。 AIの得意・不得意を理解したうえでのコンサルテーション、 製品のカスタマイズ開発もご相談ください。 ※「gLupe」の開発元は、株式会社システム計画研究所です。 製品に関するご相談は、株式会社システム技研までお気軽にご相談ください。
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。
AI画像処理で直面する5つの課題と、その解決策をわかりやすく解説します。
お客様からよく聞く課題と、それを解決する方法についてご紹介します。 課題1）判定を間違えた時、なぜ間違えたかを分析しにくい 課題2）出来上がったモデルが良いものか悪いものか定量的に判定したい。 課題3）学習した時、「これとこれは間違えやすそうだ」ということを視覚的に知りたい。 課題4）どこで学習を止めればよいか分からない。過学習になるのはいつから？ 課題5）新しい製品で欠陥製品が収集できていない ※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
お弁当に混入した髪の毛や異物、青果物のキズなどをAI（ディープラーニング）が検出！
様々な食品生産・加工の現場から何件かお問合せもいただいております。 お弁当に混入した髪の毛や異物の検出など、EasyInspector（旧EasyInspector）では難しかった案件にも対応でき、ますますAI（ディープラーニング）機能の対応の幅の広さを実感します。 DeepSkyは、検出したいものに対して幅を持たせて教えることが出来るので、 「この形！」という決まった形 “ではない” 異物に対しても検出することが可能です。 現状人の目でチェックしているけど「これって検査出来るのかな？」と思うもの、まずはお気軽にお問合せくださいませ。
「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。
スカイロジックでは食品の異物検知をするためのＡＩを既に開発しています
▼アニサキスを入手→撮影するまで 今回はお客様から何件かお問い合わせいただいた”アニサキス”をAIで見つける検証を弊社で行ってみました。そこで、まずは生きたアニサキスを入手するところから始まったのですが、思っていたよりも難しく… 市内のスーパーや魚屋さん何件も回ったり電話でお願いをさせていただきました。 年末のとっても忙しい時期に、いきなり知らない主婦から「ＡＩでアニサキスを見つける実験をしたいので生きているアニサキスをくれませんか（ざっくりまとめると）」と変なお願いをされたにもかかわらず、ご協力してくださったスーパーがいくつかあり、ご協力いただいた鮮魚コーナーの方々にはとても感謝しています。ありがとうございました。 ゆっくりと動くコンベア上でAIアニサキスの検査を行い、検出したらブザーを鳴らしてコンベアを停止させる運用を想定して装置を組み立てました。 アニサキスは特定の波長の紫外線に反応して光るため、紫外域のLED光源や特定の波長を通すフィルターを使用します。 画像処理では光学的な操作によってアニサキスを見つけやすい画像を撮影することも重要です。
「異物混入」「加工不良」「印字確認」食品製造業の検査をAIで自動化できます！
食品業界ではお客様に安心・安全な製品を届けるために品質検査が重要となります。 その品質検査において、今まで以上に"高精度"且つ"安定"した検査にするために AI学習・検証ソフトウェア【Phoenix Vision】と AI外観検査ソフトウェア【Phoenix Eye】を開発しました。 【得意な検査例】 ◆異物混入 ◆加工不良（焦げなど） ◆梱包不良 ◆印字ミス ◆個数検査 自社内に開発環境が整っていることから、 常に最新の技術を取り入れ、素早く製品化しています。 食品業界での検査実績が多数ありますので 検査工程の見直しやAIについて情報収集している方はお気軽にお問い合わせ下さい。 AIのメリットや事例を交えながらご説明いたします。
銀ペースト導電接合の欠けやにじみの検出を判定します！
はんだでの接合より銀ペーストでの焼結が材料へのダメージが抑えられ、今後はんだの代わりにもっと幅広く用いられるであろう素材と言えます。 【検査設定と検査結果】 EasyInspectorの「傷ブツ検査」機能を使用することにより1つの検査枠を全体にかけることで欠けやにじみ共に0.40秒で検出することができました。１ピクセルあたりの大きさ（分解能）およそ 7μm（0.007mm）です。 実際の運用では弊社の「sm＠rtROBO」を使用し検査箇所を移動させながら１台のカメラで検査されています。 【使用したソフトと機器】 使用ソフト：EasyInspector 視野範囲：14 mm 検査対象の最小サイズ：およそ 7μm（0.007mm） 検査個所数：1ヶ所 カメラ解像度：500万画素 レンズ焦点距離：記録なし レンズと製品との距離：95mm 照明：バックライト照明 現行『EasyInspector2』colorパッケージ【傷・ブツ検出】で検査できます。
