「正常」の基準を良品画像から学習し、外れたものを検出。見たことのない不良も拾える。CPU動作
不良が滅多に出ない工程では、不良品サンプルを集めること自体ができません。DeepAge Sensorの教師なし異常検知は、良品画像だけで「正常」の基準を学習し、そこから外れた画像を検出します。「不良品画像を数百枚ください」とは言いません。導入初期から検査運用を始められ、しかも見たことのない不良も「正常から外れている」として拾えます。推論はCPU動作（GPU不要）で、装置への組み込みもDLL1つです。後に現場で不良品画像が溜まったら、同じAPI構造の教師ありモデルへ移行できます。サンプルが不足している工程は、まず無償のモデル作成で精度を確認できます。
この製品へのお問い合わせ
基本情報
【学習方法】教師なし異常検知（良品画像だけで正常基準を学習） 【検出原理】正常から外れた画像を異常スコアで検出（見たことのない不良にも対応） 【推論速度】CPU 12ms/枚（GPU不要、ONNX Runtime同梱） 【モデル形式】.uai（判定閾値をモデル内に内包。装置側で閾値管理不要） 【可視化】寄与ヒートマップで「どこが正常から外れたか」を表示 【移行】不良品画像が集まったら教師ありモデルへ（API構造は同一）
価格情報
直販：25万円/カメラ/年〜／初回モデル作成無料
価格帯
10万円 ~ 50万円
納期
~ 1週間
※初回のモデル作成は無料（最短1週間で精度レポート）
用途／実績例
・不良が希少な工程での外観検査の立ち上げ（不良品サンプル不要） ・初期は教師なし、後に教師ありへ移行する段階的運用 ・未知種別の不良を「逸脱」として検出
詳細情報
-
製造現場での8年の稼働実績と主要スペック
-
良品画像だけから「正常」を学習する教師なし異常検知
-
学習はクラウド、推論は現場のCPU（GPU不要）
-
良品画像だけ送る→学習→DLL受け取り→組み込み（初回無料）
-
6業種の対象品に適用（逸脱検出として）
カタログ（2）
カタログをまとめてダウンロード
企業情報
データを活用したサービスを提供しています データから生まれる価値が日々高まってきています。営業目標やマーケティングで数字を追うことはあっても、コンピュータで大量のデータを処理して新しい価値を創造することはそれほど重要視されてきませんでした。 テクノロジーは日々進化しています。クラウド上に様々なデータを集め、大量のデータを処理することができるようになりました。しかし、そのような技術と価値を理解していても、まだまだ実用化は十分になされているとは言えない状況にあります。私たちは現状の問題を正しく理解し、人工知能や新技術でそれを解決できるかを真摯に検討し、最適な形で世の中に発信していきます。
