製品概要

Deep Learningと異なるHLAC特徴量技術を採用し、良品画像のみで異常検知AIモデルを自動生成・精度検証できるクラウドサービス。生成モデルはダウンロードしてオフライン検査に利用可能。

解決する課題

  • 不良品画像を大量準備せずに検査モデルを構築したい
  • 従来検査機では良品まで検出してしまう過検出を減らしたい
  • 検査員の目視負担やヒューマンエラーを低減し自動化したい

主要特徴

  • 良品画像100～300枚でモデル作成 – 大量の不良データ不要
  • ノーコード簡単操作 – 専門知識なしでも自動で最適なモデル構築
  • 性能確認・閾値調整機能 – テスト画像でモデル精度評価し適切に設定可能
  • GPU不要・即利用可 – クラウド計算で手元PCに高スペック不要、ネット接続ですぐ開始

技術仕様

対応材質
金属 樹脂 フィルム 繊維
対応形状
平板（シート・板状） 円筒（棒・パイプ状） 複雑形状（異形）
検出対象欠陥
キズ 異物 欠け
処理速度 0.2秒/個
ライン対応 両対応

測定条件補足

5MP画像をCore i7 PCで解析した場合の目安（1枚200~300ms）

導入プロセス

1

テーマ設定

2

初期検証

3

N増し検証

4

ライン導入

導入事例

磁性体部品（フェライト磁石）検査

導入効果：

背景模様による過検出率を40%から10%に低減 詳細を見る

工業用メッシュシート検査

導入効果：

網目構造の揺らぎにも1モデルで対応し、多様な不良を検出（過検出抑制） 詳細を見る

推奨シナリオ

多品種少量生産品 検査員不足・人件費高騰