そもそもAI・機械学習・ディープラーニングとは？

外観検査におけるAI（ディープラーニング）活用の現状に移る前に、そもそも、AI・機械学習・ディープラーニングとは何か、いまいち区別がついていない方もいるかと思います。下記にて、改めて、それぞれの用語を解説します。

1.AI

AI（Atificial Intelligence）とは、人工知能の総称です。人間と同様の知能を実現させようという取り組みや技術のことを指します。厳密にいうと、AIは、あらゆる分野で活用される「汎用AI」、特定の分野・用途に特化している「特化型AI」の2種類に分類されます。

2.機械学習

機械学習とは、蓄積されたデータの特徴を学習することにより、予測・識別におけるAIの判断基準を自動的に法則化する方法の総称です。機械学習では、元データとして人間の判断結果を蓄積し、AIで同様の予測・識別結果を得られるように学習します。つまり、機械学習は、AIに学習能力を与える方法となります。

3.ディープラーニング

ディープラーニングとは、機械学習の1種です。ディープラーニングの技術は、人間の神経細胞の仕組みを参考としたシステムであるニューラルネットワークがベースになっています。このニューラルネットワークを用いることで、大量のデータの特徴を階層分けし、自動的に学習していきます。

外観検査におけるAI（ディープラーニング）活用の現状

外観検査において、現在AIに要求されていることは、主に下記3つに分類されます。

1.画像識別

画像識別は、撮影された画像全体に対し、設定されたカテゴリのどのカテゴリに当てはまるのか自動識別する技術を指します。例えば、設定されたカテゴリが「正常」「異常」の場合、各画像がどちらに属するのか判断します。

2.物体検出

物体検出は、前述した画像識別で判断された画像の中から設定された特定の物体がどの位置にあるのかを判断する技術を指します。例えば、打痕がある製品を「異常」と設定していた場合、画像識別により「異常」と判定し、物体検出により打痕の位置を特定します。

3.物体分析

物体分析は、前述した物体検出で検出された特定の物体が何であるか分析し、カテゴライズする技術を指します。検出した欠陥の位置だけでなく、欠陥の形状まで分析が必要な外観検査では、この物体分析が求められます。

現在は、主にAIによるこの3つの技術が外観検査に活用されています。下記にて具体的な事例をご紹介しますので、是非ご確認下さい。

AI（ディープラーニング）が活用された外観検査の事例を紹介！

事例①：ガラス瓶 汚点・傷・割れの外観検査自動化

こちらは、ガラス製の瓶の外観検査自動化の事例です。
検出しなければならない外観異常下記の通りです。

①白 / 赤 汚れ
②傷
③異物
④割れ / 欠け
⑤瓶底の変形

瓶の口部 / 胴部 / 底部を検査し、これらの異常を画像処理で自動検知します。

１．白色汚点

2．傷

3.割れ

上記いずれも、AI（ディープラーニング）を活用することにより、問題なく異常を検知しています。

＞＞事例の詳細はこちら！

まとめ

今回は、外観検査におけるAI（ディープラーニング）活用の現状についてご紹介しました。当然のことながら、AI（ディープラーニング）は恐ろしいスピードで発展を続けており、今後さらに、外観検査においてAI（ディープラーニング）の活用が広がっていくことが予測されます。当社では、AI（ディープラーニング）を用いた外観検査に積極的に取り組んでいます。 AI（ディープラーニング）を活用した外観検査でお困りごと、お悩み事がある方は、画像検査.comまでお問い合わせください。下記より、当社の導入事例をご覧ください。

＞＞導入事例はこちら！