AI（ディープラーニング）で画像検査が劇的に簡単になります。
DeepSky（ディープスカイ）は現場ユーザーが簡単に運用できるオールインワン＆シンプル操作のAI画像検査ソフトです。様々なディープラーニングの中から物体認識や良品学習などを採用し、さらにFAに最適なモデルを研究してラインナップ。FA現場の画像処理製品を2000例以上提供・サポートしてきたスカイロジックが現場目線で設計しました。
次のような現場に向けて開発されました
- これからAIの活用を小さく始めたい：標準パッケージソフトが基本なので、「時間的コストを抑え」「すぐに始める」ことができます。
- 今の検査機の判定精度に不安がある：DeepSkyは欠陥を検出するための画像処理をルール化できないような欠陥の検出も可能です。さらに、学習データを増やすことにより精度を向上させることができます。
- 検査機の設定ができる人が限られている：DeepSkyは画像処理の知識が無くても「簡単に」使いこなすことができます。細かい設定やテスト＆パラメータ調整の繰返しも不要です。
- 検査員の人材確保・育成が困難
- 精度や検査基準がばらつく
DeepSkyのディープラーニング
画像検査システムをご検討の際には、国内外の様々な画像処理製品と費用対効果の点で比較検討頂きたいと考えています。
ディープラーニングには様々な仕組みがあり、精度が高く高性能PCが必要なものもあれば精度よりも軽量さを重視したものもあります。また用途によってはディープラーニングではなく従来の手続き型による処理が最適となる場合もあります。スカイロジックでは2,500例以上の導入実績をもとに、複数のラインナップから性能＆費用の両面でお客様の目的に沿った仕組みを考えます。2つ以上の仕組みが提案できる場合はそれぞれのメリットとデメリットを可能な限り正確にお伝えし、費用対効果の点で最適なものをご選択頂けるように努めています。照明、カメラ、レンズはもちろん、ご要望があれば外部制御なども合わせて提案いたします。是非、基本性能と価格を比べて下さい。
DeepSkyの特徴
- シンプルを極めた操作：「撮影する」→「欠陥を教える」（DeepSky-SSでは不要）→「学習ボタンをクリックする」 の3ステップで設定が完了します。AIが初めての現場担当者でも早期かつ簡単に導入できるよう、シンプルさに重点を置いています。
- FAに適した高精度なモデル：柔軟性・認識精度の高い多層のディープラーニングモデルを採用しています。ピンホールや欠けなど小さな欠陥、変形する物体、ランダムパターン中の欠陥にも対応しています。
- 少量のサンプルで学習可能：転移学習を使用しているため少ないサンプルでも学習が可能です。また画像回転や明るさ変化などのデータの水増し機能も標準で搭載しています。
- 良品だけで学習可能（DeepSky-SS）：良品でない特徴を広く検出できるモデルを採用しているため、不良サンプルを収集したりアノテーションで欠陥を教えたりする必要はありません。
- 外部システムとの連携：I/O、RS-232C、ソケット通信など、外部のシステムと連携するためのインターフェースを標準装備しています。PLCや上位ソフトとの連携により、DeepSkyを組み込んだシステムも簡単に構築できます。
- 拡張性：2000万画素を超える超高画素カメラへの対応、複数のカメラを使ったシステム構築への対応など、FAにおける様々な用途に対応するための拡張性を考慮して設計されています。
DeepSkyのラインナップ
下記ボタンからそれぞれの詳細説明ページにジャンプします。
DeepSky（物体認識）
物体認識 AI により従来では検出が困難だった欠陥（例：複雑な背景の中に埋もれた欠陥）も簡単な設定で検出できます。アノテーション（検出したい物体をマウスで囲む作業）が必要ですが少ない教師画像で学習ができ、微小な物体でも高い精度で検出可能です。
DeepSky（良品学習）
良品にないパターンに反応して欠陥検出を行う AI のため、取り溜めた良品画像のみを教師画像として学習することができます。ある程度一様なパターン（柄の入った布、網目など）や一定の形状や姿勢で撮影できる物体の欠陥検査に適しています。検査結果はヒートマップで見ることができます。
DeepSky（物体認識）と DeepSky-SS（良品学習）
特徴とメリット・デメリット
– 物体認識：検出したい物体（欠陥や部品など）を予め学習させておき、撮影した画像から物体を検出します。学習時に行うアノテーション（見つけるべきものにマークを付ける作業）に基づいて計数や分類を行うこともできます。
– 良品学習：不良品を用意する必要がなく、アノテーションも不要です。良品のみで学習が可能であり、撮影した画像の中から良品に存在しないものを欠陥として検出します。
| DeepSky | DeepSky-SS | |
|---|---|---|
| 方式 | 物体認識 | 良品学習 |
| 不良品の準備 | 必要 | 不要 |
| アノテーション | 必要 | 不要 |
| 計数・分類 | ○ | × |
| 必要画像枚数(※1) | 10枚 | 50枚 |
| 微小な欠陥の検出 | ○ | △(※2) |
※2) 微小な欠陥を検出するためのパラメータ設定が必要な場合があります。
説明：物体認識
主な構成例
手置き＋手押しボタン
手置きでの検査
作業者が手置きで製品を置き、押しボタンにより合否判定する最も簡単な構成です。検査個所が多い製品など、作業者に負担がかかる検査の補助として、また検査漏れの予防対策としてコンパクトにAIを活用することができます。インテリジェントIOを使うことにより押しボタンでの検査開始や結果のランプ表示などが可能になります。
連続検査による監視
コンベア上での異物・欠陥の監視
コンベア上にポン付けできるシンプルな構成です。この用途では、DeepSkyは常に検査を繰り返しており（検査周期は0.3秒～秒数の指定が可能）、インテリジェントIOに結果を出力しています（BUSY/OK/NG）。NG出力にブザーを接続することによりコンベア上の異物や欠陥を検出した場合に赤ランプを点灯＋ブザーを鳴らすなどの運用が可能です。また、NG出力にPLCのコンベア停止入力を接続することにより自動でコンベアを停止させたりすることができます。NG時の画像を保存することもできます。
PLCからのコマンドで動作
シーケンサー（PLC）との同期
ロボットや搬送系などとタイミングを合わせて撮影することができます。この構成ではインテリジェントIOを通してPLCからDeepSkyに対して検査トリガーをかけます。DeepSkyはPLCから検査トリガーがかけられたタイミングで撮影＋判定し、結果をPLCに返します。PLCはNG品をロボットに排出させるなど、判定結果に応じてロボットや搬送系の動作を制御することができます。
上位システムに情報を送信
上位システムとの連携
RS232CやSocket（TCP/IP）で上位システムと連携します。DeepSkyは上位システムと連携するための様々なコマンドに対応しています。OK/NGの判定だけでなく、検出された物体が何であるか、個数は何個か、また検出された画像内の座標などを上位システムに返すことができるため、これらの結果をもとに上位システムがより複雑な判断を行うことができます。
マルチコントローラを使ったカメラ2台の構成（両面同時検査）
複数台のカメラ
マルチコントローラ（弊社ソフト）を使うことでPC１台にPCに複数のDeepSkyを起動することができます。これにより、例えば２台のカメラを使って両面の検査を行ったり、異なるラインの検査を１台のＰＣで行うことができます。カメラを複数台使用する場合、学習時・判定時においてGPUメモリ容量による制限を受けることがあります。詳細はお問合せ下さい。
マルチコントローラ1つとDeepSky 2つを起動した状態
超高画素カメラとFXCaptureを使った構成（微小欠陥の検出・大きな対象物）
超高画素カメラとの組み合わせ
超高画素カメラ（3600万画素以上の一眼レフや2000万画素以上の産業用カメラ）とFXCapture（カメラ制御ソフト）を組み合わせることで従来AIで扱うことが困難だった超高画素画像を使った微小欠陥の検出が可能になります。
この仕組みでは広範囲を撮像した1枚の大きな画像を、ディープラーニングで処理できる大きさまで分割して処理を実行します。小分けにされた画像は最終的に1枚の大きな画像に復元されます。
広い範囲を高解像度で撮影・画像処理できるため、従来ロボットなどを使って何度も撮影しなければならなかった大きな対象物あるいは微小な検出対象でもシンプルなシステム構成で実現できるようになりました。
技術スタッフによる無料評価サービス
スカイロジックの技術スタッフによる評価をご希望の場合は無料評価サービスをご利用ください。最適な構成、アノテーションと設定で検出性能の評価を行い、お客様に報告いたします。評価からご導入までの流れは下記のようになります。（詳しくはサポートサービス一覧へ）
■評価依頼書のダウンロードはこちら（評価依頼書は info@skylogiq.co.jp までお送り下さい。）
「ディープラーニング」と「手続き型」画像処理の違い
| Deepsky | EasyInspector | |
|---|---|---|
| 位置決め | 不要 | 通常は治具による位置決めが必要。ズレ補正機能あり。 |
| 照明の簡便さ | 室内光でも問題無い場合が多い。光源の反射や光量の変化も含めて学習させることができる。 | 光源の直接反射や光量の変化により誤判定となり、工夫が必要な場合がある。 |
| 環境変化 | 明るさなどの環境変化を含めたデータを学習させることができる。 | 窓際など明るさが変化する環境は誤判定の原因となる場合がある。 |
| パラメータ調整 | 不要（不可） | 詳細に設定が可能（ただし設定に時間がかかる場合がある。） |
| 誤判定発生時の対応 | 追学習（学習データを追加して再学習）を行う。 | 誤判定発生の原因分析とパラメータの再調整を行う。 |
| 複雑な背景（食品や柄布など）の中の異物 | 可 | 背景と異物が同系色の場合困難。 |
| 画像に写っている部品、製品の認識と分類 | 可（物体認識） | 不可 |
| 合格パターンが複数ある（形状や色が一定ではないなど良品同士のバラツキがある）ものの合否判定 | 複数の合格パターンと複数の不合格パターンを学習させることで判定可能。（良品学習の場合は合格パターンのみ） | 困難（一定の特徴量によって一律に判定ができる場合は可） |
| 面積判定 | 基準に対し大/小の判定は可能だが、面積の算出は不可。 | 定量的（cm²）に算出し、数値に基づいた判定が可能。 |
| 長さや角度の測定 | 不可 | 定量的（mm、度）に測定可能。 |
| プログラミング | 不要 | 不要 |