【RoxyAIの特長】 １、AIの個性を可視化（パーセプション） AIの出来栄えは、数字だけでは測れません。RoxyAIはAIの個性を可視化します。 ２、AIの感じ方がわかる（触診） 検出漏れ・過検出した箇所をマウスでなぞることで、AIがどのように感じているかを確かめられます。不良を検出するとマウスが振動（対応マウス使用時）AIの確信度を振動の大きさで把握できます。 ３、不良個所をワンクリックするだけでOK（ワンクリックアノテーション）多少はみ出して指示しても、AIが認識します。一般的なAI外観検査ソフトでは正確に不良個所を指示する必要があります。 ４、AIエンジニアが不要 目視検査できる人であれば、簡単に短時間でAIを作成できます。 パラメーターチューニングではなく、精度をあげるプロセスを重視し、 運用開始後でも、現場で簡単・瞬時に精度を補正できます。 ５、正常品＋少数の不良品で AIを学習 必要なサンプル数は正常品100個、不良品を種類毎に30個程度。 また、学習していない未知の不良を違和感として検知できます。

【RoxyAI独自の特徴】 1.効率的な教師データ作成！　「1クリックアノテーション」 不良箇所をマーキングする作業を”アノテーション”と呼びます。 【RoxyAI】では、不良箇所付近を1クリックするだけでこのアノテーションを行うことができます。パソコンに不慣れな方でも問題ありません。誰がやっても同じ精度を実現することが可能で、ずれ・はみ出しがあっても作成するAIの精度へ影響がありません。 2.学習状況の可視化！　「パーセプション（特許出願済み）」 【RoxyAI】では、グラフとパーセプションを同時に表示させ、AIの個性（正常と不良の捉え方）をパッとわかるよう可視化させることが可能です。 3.弱点の把握！　「触診」 作成したAIが運用レベルの精度に達しているかどうかを検証するため、【RoxyAI】では触診という機能があります。テスト検証結果から検出漏れや過検出が出た場合、結果画像の任意の箇所をAIがどう感じているかを目で見ることが可能です。 弱点を強化するための1クリックブースト機能など、精度上げに必要な機能もございます。

【バージョンアップで追加された機能】 1.ヒント機能 AIが不良の特徴を捉えていないと、精度が向上しません。 V1.14で追加されたヒント機能は、不良個所以外をマスクすることで、 不良の特徴を学習しやすくします。 2.画像水増しの強化 水増し画像の種類を豊かにするため水増し方法を追加しました。 3.学習機能の強化 学習速度を犠牲に、汎化性能向上が期待できる学習方法を追加しました。 学習時間は1.5倍程度長くなります（学習設定により異なります）。 本機能を使用するかどうかは学習設定画面で指定できます。 4.タイプ3のベースモデル拡充 タイプ３で使用できるベースモデルを追加しました。 速度重視、精度重視など用途に応じてベースモデルを選択できます。 5.サブウインドウの追加 用途ごとに絞り込まれた画像がサブウインドウに一覧表示されるので、画像を探す手間を減らせます。 6.バッチ学習の結果比較 バッチ実行した結果の各種指標値、設定等を一覧/比較できます。 7.その他 使い勝手改善、速度改善、不具合修正など

【AIモデル作成までの流れ】 Step.1 製品情報の取得 　　　検査対象となる製品の状態を確認 Step.2 撮像環境のセッティング 　　　撮像に使用するカメラ・照明の設置と調整 Step.3 撮像開始 　　　カメラソフトで画像を撮り溜めていく Step.4 Roxy AIへ画像登録 　　　Roxy AIを起動させ、製品画像を登録する Step.5 1クリックアノテーション 　　　キズ・打痕などの不良個所を1クリックするだけで登録完了 Step.6 学習開始 　　　全ての情報を登録したら学習開始 Step.7 ベストモデル作成 　　　学習後、自動でベストモデルが作成される Step.8 AIモデル完成 　　　ベストモデル作成後、テストの▷マークを押してテスト実行。 　　　AI検査結果が表示されAIモデル完成

【画像統合の流れ】 Step.1 画像統合とは？ 　　　Roxy AIの学習・検査の効率化を図る便利機能 Step.2 撮像1 　　　金属と樹脂を使っている製品の金属部分が見える様に撮像 Step.3 撮像2 　　　金属と樹脂を使っている製品の樹脂部分が見える様に撮像 Step.4 撮像結果 　　　金属に合わせると樹脂が暗く、樹脂に合わせると金属が 　　　白く飛んでしまう Step.5 画像統合実行 　　　それぞれのキズが見やすくなる Step.6 AIモデル作成編へ...

【画像統合の流れ】 No.1 多種多様なワークでも検査が対応可能となる No.2 形状や素材が全く異なるワークであっても、AIは一度覚えたNGなら 難なく判定できる No.3 NGを覚えるため、素材ごとに何度も学習する必要がない No.4 製品のリニューアルや形状変更等があった場合にも対応可能 例：ワーク形状が長方形→丸型に変更。NG内容は前と変わらない場合 No.5 違う形、違う色合いになっても同じ特徴であれば正常に検査できる

【ルールベースとの比較について】 No.1 ルールベース型 人が設定した検査ルール（長さや面積など）をもとに判定するもの　　　　　　　　　　　　 明確なルール設定が必要で、過検知が多数発生してしまう No.2 Roxy AI AIが特徴を自ら学習し曖昧さや柔軟性等の感覚に適応していくことができる （検査によって得意不得意があるため適切な方法を選択する必要がある） No.3 ルールベースが不得意なこと 明確な定義が難しいもの No.4 Roxy AIなら 不良の特徴を学習をするため、定義が難しいものでも過検出なく判定できる