画像検査エンジニアの技術ブログ

外観検査は、製品の品質保証にあたり非常に重要な工程となります。従来は、人手による検査が一般的でしたが、最近では外観検査の自動化に取り組んでいる企業が急増してきております。その1つの理由として、AI技術（ディープラーニング）の普及が挙げられます。このAI技術を活用することはもちろん重要ですが、AI技術だけに頼ることは禁物といえます。当記事では、画像検査におけるAI技術活用の注意点をご紹介します。

画像検査のAI技術（ディープラーニング）活用におけるメリット

従来の外観検査では、対象ワークに対して、「該当のデータなら、この法則により判断する」というロジックをエンジニアにより構築・検証する必要がありました。もちろん、複雑な外観検査の場合は、より高度な技術が求められたり、人手による構築が不可能なため導入を断念するというケースもありました。

しかし、AI技術の登場により、蓄積されたデータを基に機械学習をおこない、半自動的に最適なロジックを構築することが可能となりました。さらに、エンジニアでは良否判定が難しい対象ワークであってもデータに基づいた最適な判定が実施することができるのです。

このようなメリットがあるが故に、AI技術の発展により、画像検査はさらなる発展を遂げたのです。ただし、画像検査におけるAI技術活用の注意点も、もちろんあります。

画像検査におけるAI技術（ディープラーニング）活用の注意点

上述の通り、蓄積された画像などのデータを基に、AIは最適なロジックを構築します。この蓄積されたデータの量・質が適切でない場合、いくら優れたAIといえど、最適でない判断を下してしまう場合があります。AI技術に過度に頼りきり、全てを任せてしまうと、画像検査テストを実施した場合に、想定通りの結果を得られないといった事態に陥る可能性もあります。

つまり、AI技術により得られたロジックが最適であるかの検討は人手にて行う必要があるのです。画像検査に関する豊富な光学ノウハウを保有したエンジニアとAI技術が掛け合わさることで、高度な画像検査を実現することができるといえます。

AI技術（ディープラーニング）を用いた外観検査の事例

1.文字認識

文字認識を行うためには、文字領域の抽出という操作が重要となります。ディープラーニング機能が搭載されたライブラリを選定することにより、複雑なアルゴリズムを組むことなく、文字領域の抽出が可能となります。文字領域の抽出操作が完了すれば、関数を用いて簡単なプログラミングを行うだけで文字認識を実現することができます。さらに、ディープラーニングを用いた文字認識では、学習データさえ蓄積すれば、英数字のみならず、ひらがなや漢字等も正常に認識することができます。

下記はディープラーニングを用いた文字認識検査の一例です。食品パッケージの賞味期限印字の文字認識検査を行っています。下記画像から分かる通り、正常に全ての文字を検知しています。

＞＞事例の詳細はこちら！

2.打痕検査

一般的に、金属など光沢のあるワークや模様のあるワークの打痕検査は、撮影画像に激しい輝度むらを生じることがあり、外観検査が難しい場合があります。最適なカメラ・照明・レンズの選定により、問題なく対象の打痕を検知することが可能です。さらに、ディープラーニング機能が搭載されたライブラリを選定することで、良否判定が難しい打痕も正確に検査することが可能となります。

下記は打痕検査の一例です。アジャスターボルトの打痕検査を行っております。下記画像から分かる通り、正常に全ての打痕を検知しています。