導入事例Introduction Example
生産ラインで画像検査(外観検査・画像識別)の自動化導入事例
2020.12.10サンマの切り身から腹と尾、くずを選別するため、AIを活用。画像データから各部位を機械に取り込み、AI自身にデータ学習を繰り返させることによって、認識精度を高めます。運用時はデータ学習を繰り返したAIが、カメラで認識した対象を瞬時に判別し、生産ラインの自動化に寄与します。
システム概要
目視でサンマの部位を選別していた作業を自動化するため、腹・尾・くずの画像データを読み込み、AIに学習をさせています。学習データが多ければ多いほど、判別の精度は高くなり、ミスなく対象の選別が自動化される仕組みです。
今回はコンベアーに乗せたサンマの切り身をカメラが認識し、瞬時に腹・尾・くずを判別。2次元座標データから面積を求めることも可能です。導入したソフトウェアの操作方法も簡易で、システム導入に関して現場への負担は最低限に抑えられています。
導入メリット①目視検査でしか検出できなかったものを自動化
AIの機械学習による対象の判別の仕組みは、人が目視で判別する際とほとんど変わりがありません。たとえば今回であれば、腹と尾、それぞれの異なる特徴を指定し、システムに読み込ませます。
そのデータからそれぞれの特徴をシステムが学習し、同一の特徴を持つものを腹と尾、それぞれに判別するという仕組みです。人の感覚をAIが担うことができるため、省人化を目的とする上では効果的といえます。
導入メリット②高精度な判別で不良流出ゼロ
目視検査ではヒューマンエラーが起きていた点をAIで行うことにより、高精度に対象を検査・判別ができるようになります。これにより不良流出が低減され、コスト削減に寄与します。
また、AIが判別した結果はシステム内にログとして残るため、管理も徹底して行うことが可能。人の目視による作業で起きるミスをカバーし、作業生産性の向上にも寄与します。
導入事例 検索
お問い合わせInquiry
お客様の課題に合わせてスタッフが最適な解決します。
製品の修理や故障、技術的なお問い合わせはサポートからお問い合わせください。