画像検査による生産ラインの自動化

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。

製品構成や活用例など画像処理システム構築の詳細を見る
お問い合わせ

お客様の課題に合わせてスタッフが最適な解決方法をご提案します。

Menu