1～15 件を表示 ／ 全 415 件
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
「EasyInspector2の検査速度を早くする設定」について検証してきます。
検査時間を短縮できる設定をご紹介します。 ※詳しくは関連リンク（ブログ）をご覧ください。
「ビン底の文字有無」「シュリンクの有無」「ラベルのバー コード読み取り」の検証を行います！
ボトルキャップシュリンクの有無検査、瓶底印字の有無検査、インラインラベラー内でのラベルのバーコード（二次元透明）全数検品、梱包内箱のバーコード（コートボール紙に黒二次元）全数検品、梱包外箱のバーコード全数検品（ダンボールに二次元黒）、以上の事柄を現在のラインに組み込む予定のお客様からサンプル品が届きました。 【検査設定と検査結果】 ３種類の検査共に良好に判定可能でした。 ビン底の文字有無、シュリンクの有無の検証ではEasyInspectorの「指定色の有無検査」機能を使用しました。ビン底の文字は検査枠を設置し、その中に白色を検出したら合格となる設定です。 オプション機能で検査枠を円環にすることもできます。シュリンクの有無はリング照明の正反射（白色）の量で判定をします。 ラベルのバー コード読み取りEasyInspectorの「Bar/QRコード読み取り」機能を使用することによりバーコードは黒背景に白、または白背景に黒の読み取りができ、処理上でバーコードを回転 させて読み取りができます。
学習と検査速度のGPUによる違いを検証します！
今回はタイトルの通り「学習と検査速度のGPUによる違い」を検証出来ればと思います。 2種類のGPUと16・8GBのRAMによる学習・検査時間の違いを比較します。 ■条件 ■確認構成 ■結果 ※詳しくは関連リンク（ブログ）をご覧ください。
EasyInspector2のAI OCR機能について紹介させていただきます。
EasyInspector2には3つの文字読取機能があります。 1）OCR（光学文字認識） 2）機械学習OCR 3）AI OCR ■簡単な設定 ■これまで難しかった文字も読取可能に ■最後に ※詳しくは関連リンク（ブログ）をご覧ください。
AI画像検査ソフトでプリント基板の精密検査を自動化！レジストのずれ、パット欠けの検査をします。
産業用機器向け各種電子回路基板などの設計・製造を手掛けるメーカー様から、プリント基板の精密な検査を自動化したいとのご相談をいただきました。 【検査設定と検査結果】 お預かりしたサンプル品のレジストのずれ、パット欠けの検査は可能でした。EasyInspector「マスター画像との比較検査」を使用しました。 検査枠はピンク、緑の部分です（左画像）。 実際の検査では検査対象のパットを枠で囲む必要があります。右の画像では下の検査枠不良品を検査したため、不合格の判定の部分が赤い検査枠で表示されています。検査枠を5つ設定しタクトは3.49秒です。 【使用したソフト】 使用ソフト：EasyInspector710 視野範囲：約131x 113mm 検査対象の最小サイズ：2mm 検査個所数：2ヶ所 カメラ解像度：2000万画素 レンズ焦点距離：16mm レンズと製品との距離：約160mm 照明：リング照明にドームを乗せ、ドーム照明を想定して検証しました。 （パットを均等に反射させるため） 現行『EasyInspector2』colorパッケージ【マスター画像との比較】で検査できます。
AI画像検査ソフトで成型品の傷ブツを検出します！
自動車部品などの樹脂成型部品には加工方法によりキズやブツ、異物混入など発生してしまう事例がありお困りでした。 【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視野全体の傷ブツを0.5秒で判定できました。検査枠は全体に２つ作成し「白」と「黒」分けて設定を作成します。 【使用したソフトと機器】 使用ソフト：EasyInspector710 視野範囲：10x 6mm 検査対象の最小サイズ：2mm 検査個所数：1ヶ所（全体） カメラ解像度：30万画素 レンズ焦点距離：50mm + 接写リング10ｍｍ レンズと製品との距離：190mm 照明：リング照明 照明から検査品までの距離：記録なし 現行『EasyInspector2』colorパッケージ【傷・ブツ検出】で検査できます。
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！
検証中や導入後にユーザー様からいただいたご質問、ご報告でDeepSkyの設定に関する 有益な情報が多くございましたので紹介いたします。 Q. 過学習の判断方法は？ Q. 収束0.1以下とは？ラベル数が増えると収束しにくくなる？ Q. 途中から追学習した時とリセットして再学習した時の違いは？ ※詳しくは関連リンク（ブログ）をご覧ください。
AI セグメンテーションとルールベースを組み合わせた事例と、AI セグメンテーションならではのメリットを紹介します。
ルールベース機能との組み合わせができる 複雑な背景の中から検出対象物の面積や寸法を測定したい場合、背景が邪魔をしてしまいエッジを思うように検出することができませんでした。 しかし、AIセグメンテーションで検出対象物を抽出して二値化することで、簡単に検査ができるようになりました。 ※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。
フレア継手のテーパ状になっている、斜め部分の傷を検出します！
自動車部品などのFA機械システムのメーカーさまはホームページからお問合せでした、内容はフレア継手のテーパ状になっている、斜め部分の傷の検証ということでした。サンプルを送付いただき簡易検証でのご報告をしました。 【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カ所のフレア継ぎ手の検出はできました。リング照明を使用することでフレア継ぎ手の傷は検 出可能でした。左画像では傷を 1 つだけ検出し、0.34秒で不合格と判定しています。径や長さの違い毎に設定を調整する必要があります。 【使用したソフトと機器】 使用ソフト：EasyInspector710 視野範囲：約52 x 41mm 検査対象の最小サイズ：1mm 検査個所数：1ヶ所 カメラ解像度：130万画素 レンズ焦点距離：25ｍｍ レンズと製品との距離：約215ｍｍ 照明：リング照明 照明と検査品の距離：50ｍｍ上部 現行『EasyInspector2』colorパッケージ【傷・ブツ検出】で検査できます。
DeepSkyの検査機能を用いて検査！部品の傷を簡易検証した事例をご紹介
自動車部品などの専門メーカー様から届いたサンプル部品の傷を 簡易検証した事例をご紹介いたします。 DeepSkyの検査機能を用いて検査しました。人が見て見える傷については 検出できております。一部検出できていない傷がありますので、見えるように 照明環境を工夫する必要がありそうです。 当社ホームページではFAの画像処理を現場目線で設計したDeepSky (ディープスカイ)の無料お試しを準備してお待ちしています。 【使用ソフト】 ■DeepSky ※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。
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。
認識点数が高いものだけを不良検出する設定や、低いものすべてを表示する設定どちらも可能！
金属塗装品のブツと液だれを簡易検証した事例をご紹介いたします。 DeepSkyの検査機能を使用して検証を行い、検出は可能でした。 画像のように検出しています。数字はAIの自信度％で、認識点数と 呼んでいます。 DeepSkyでは認識点数が高いものだけを不良検出する設定や、低いもの (AIが教えた不良に少しでも似ていると感じたもの)すべてを表示する 設定どちらもできます。 【使用ソフト】 ■DeepSky ※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導入で最初に立ちはだかる“訓練データ”の重要性について説明します。
AI（ディープラーニング）を活用した画像認識・検査システムを導入する際、しばしば「訓練データはどれくらい必要か？」という問いにぶつかります。結論を先に言えば、答えは「決まりきった数字はない」が、導入成功のカギは「良いデータを適切に使うこと」にあります。 本記事では、訓練データの意義と活用法を以下のように解説しています： ・訓練データ／検証データ／評価データの役割分担 ・データの偏りを防ぐ設計 ・必要なデータ量は“変動要因”次第 ・ラベル精度とアノテーション設計 ・運用後の継続メンテナンス ※詳しくは関連リンク（ブログ）をご覧ください。
