DeepSky-SS（良品学習）
良品画像だけで学習、アノテーション不要
DeepSky-SS（良品学習）は不良サンプルがない、あるいは不良の想定が困難な製造ライン向けに開発された AI（ディープラーニング）システムです。立ち上げたばかりで不良が未発生のライン、想定外の異物が混入した場合の検知など、具体的な定義が困難な不良を検知する必要がある用途でお使い頂けます。
オールインワン：PC1台で「画像データ収集→学習→判定」を行うことができます。
細かな設定調整は不要：良品画像を撮り溜めて「学習」ボタンをクリックするだけ。AIが自動で設定パラメータを調整します。また、不良が発生した場合はその画像を不良の具体例として教師画像に組み入れることができます。これにより具体化された不良の検知精度を向上させることができます。
オールインワン：PC1台で「画像データ収集→学習→判定」を行うことができます。
細かな設定調整は不要：良品画像を撮り溜めて「学習」ボタンをクリックするだけ。AIが自動で設定パラメータを調整します。また、不良が発生した場合はその画像を不良の具体例として教師画像に組み入れることができます。これにより具体化された不良の検知精度を向上させることができます。
DeepSky-SSで検出できるもの
「異物検知したいが、その異物は様々」「どんな不良パターンが発生するか分からない」--- 不良サンプルがない時や不良パターンが想定できない時、「良品でないことだけは確実に分かる」方式のDeepSky-SSが最適です。良品学習では良品の教師画像だけで学習するため「不良の種類」という概念はなく、そのため例えば異物であれば虫とビニール、欠陥であれば変形とキズのような分類を行うことはできません。代わりに、通常良品に含まれている情報以外のものが画像に含まれていればそれらを「良品でないもの」として広く検知することができます。
皮シボ表面の異常（黒ずみ）を検知している例。良品学習が適している検査対象は一般的にパターン状の画像（ランダムパターンを含みます）や比較的形状が単純な部品です。皮シボの欠陥としては黒ずみの他に線キズや破れなども考えられますが、自然由来の材料は欠陥パターン全てを想定することは困難です。良品学習はこのような対象に効果的です。
物体認識との違い
物体認識では見つけたい不良、計数したいものをアノテーションという作業により確実に学習させることができます。そのため、小さな欠陥をより確実に検出したり、検出した物体の種類や数、位置なども知ることができます。見つけたい不良が分かっている場合は物体認識 AI で不良を明示的に学習させた方がより確実に検出できる傾向があります。このように良品学習と物体認識では得意とする役割が異なるため用途に応じて選定あるいは併用することをお勧めします。
検出例
ジャンパー部品の取付位置間違い（1カ所）
ジャンパー部品の取付位置間違い（2カ所）トグルスイッチの方向間違い（1カ所）
不織布の汚れ・ほつれ
ゴムパッキンのキズ
木材の虫食い穴・キズ
皮シボの汚れ・キズ
異部品の混入
布製品の異物
パターンのピンホールと欠け
刃先の欠け
動作環境とオプション
製品仕様と特徴
| 仕様 | |
| 学習に使用する画像枚数 | 100枚～1,000枚程度 |
| 学習時間 | 20分～数時間程度 |
| 画像保存 | 品種ごとにOK、NGフォルダに分類して保存。（JPG、PNG） |
| CSV（Excel）データ保存 | 品種ごとに月（または日）ごとに分割して保存。 |
| I/O入出力 | オプションのインテリジェントI/Oにより品種切替と検査トリガの入力、OK/NG/BUSY出力を行います。 |
| RS232C通信または ソケット通信 |
品種切替と検査開始、合否判定出力を行います。 |
| 特徴 | |
| 検出パラメータ設定、 プログラミング |
不要 |
| クラウド利用 | 不要 |
| 利用期限 （月間/年間利用料） |
なし |
| バージョンアップ | 有償 |
インストーラはUSBメモリで納品されます（USBメモリの仕様は変更されることがあります）。
ボタンクリックでお問い合わせページへ移動します。