1～4 件を表示 ／ 全 4 件
属人化しがちな目視による検査行程を先端技術で自動化！開発事例のご紹介
DeepLearningを用いた画像認識技術は、高い検出性能と汎化性能により、 製造業などにおける外観検査への応用が期待されています。 当社は、LIXIL様との衛生陶器外観検査自動化プロジェクトにおいて、 PoCによるDeepLearningの物体検知を用いた欠陥箇所検出で成果をあげ、 現在ライン投入に向けて試験運用開始を進めています。 当開発の取り組みに関して、LIXIL様とコンピュータマインドの連名で 2020年度人工知能学会全国大会のインタラクティブセッションにて 発表しました。 【開発例】 ■OS：Windows 10 Pro ■開発期間：2018年〜 ■開発人数：PoC 1人/本開発2人(予定) ■開発言語：C#、Python ■使用ネットワーク：SSD512(VGG16) ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
はやい、安い、巧いAIで人手不足を解消します
『Hutzper』はAI画像認識活用の提案から実証実験、モデル実装、本番運用までをワンストップで提供します。目視検査など人の目で確認している検査をAIに任せることによって、人手不足の解消と精度の向上を図ることが出来ます。
AIの専門知識は不要！必要な学習用画像は十数枚程度で、現場の”目視”によるカウント作業の省力化に貢献します。
※一瞬でカウントが完成～高精度かつスピーディー！“数えること”に特化したAIソフトウェア「Deep Counter」 ※ 従来、画像認識技術では、認識環境の要素によって、不定形物や、様々な向きに置かれた物体のカウントを実現することが難しかったです。 「Deep Counter」は、SDKの形で、お客様の現場の検査システムにスムーズに組み込むことができ、従来のルールベースの画像認識技術では実現が難しかった不定形物のカウントや、様々な向きに置かれた物体のカウントを高精度で実現するAIソフトウェアです。 AIアルゴリズムを搭載し、従来自動化が難しかった不定形物のカウントや、様々な向きに置かれた物体のカウントも高精度で実現します。 セットアップに必要な学習用画像は十数枚程度。独自のAIアルゴリズムで、高精度かつスピーディーにカウントし、現場の”目視”によるカウント作業の省力化に貢献します。 目視のカウント作業にお悩まれている方、是非ご検討くださいませ。 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい ※
パフォーマンスに応じてサーバを増減！不良個体の加工データから、不良品の発生を予測
当社の画像認識サービス『GAZIRU』の用途事例をご紹介いたします。 物体表面を撮影し、個体の特長を登録。加工後に登録済みの個体と照合し、 個体の加工データを保存、外観検査とともに個体の照合を行い、予測した 不良品を除去して出荷。 出荷後に不良品が回収されたら、登録済みの個体と照合し、不良個体の データを保存します。 【事例概要】 ■個体の加工データを保存 ■予測した不良品を除去 ■不良個体のデータを保存 ※詳しくはPDFをダウンロードしていただくか、お気軽にお問い合わせください。
