　PVIは、自社でスーパーコンピュータを所有するPreferred Networksが開発した独自の深層学習モデルにより、少ないデータでも高精度な外観検査の自動化を実現する。これまでAIを用いた外観検査には数万から数十万の学習データを必要とするケースが多かったが、PVIでは良品100、不良品20程度といった少量のサンプルでも学習可能となっている。良品のデータは集まりやすいのに対し、不良品のデータを大量に集めるのに労力やコストを要するケースが多いが、その手間を省くことができる。

　用意した画像は、良品、不良品にグループ分けするだけで学習でき、不良箇所をタグ付けするアノテーションは不要だ。AIが自動的に注目箇所を判断する。GPUを併用することで画像1枚あたり10ミリ秒（処理条件による）と高速に推論処理を実行できるよう設計、実装されている。

外観検査ソフトウェア「Preferred Networks Visual Inspection」の主な特徴［クリックして拡大］

　不良箇所は分かりやすくヒートマップで可視化する。また、直感的なGUI（Graphical User Interface）になっており、画像の登録からモデルの学習、精度比較までを一気通貫で管理でき、学習モデルの作成もわずかなマウス操作で完了する。

　PVIは2018年の発表以降、これまでに金属部品や布、繊維、食品などの外観検査に利用され、導入企業は150社以上にのぼるという。「リリース当初は“本当にAIで外観検査できるのか”という認識もあったが、今はAI外観検査が認知されて、その中から性能やニーズなどを基に検討、評価いただいて実績が伸びている。硬くて形が決まっているものは効率よく検知できるが、不定形物や柔らかいものでも十分に高い精度を発揮する」（説明員）。

AIが万年筆のペン先を良否判定

　ブースではPVIの活用事例として、筆記具大手のプラチナ万年筆に納入する万年筆のペン先の良否判定デモンストレーションを実施し、AIが微細な傷を見分けていた。システムはパートナー企業のPhoxterと構築した。

　万年筆にとって重要なペン先は高い品質が求められる。これまでは全数を目視で検査してきたが、自動化により検査基準の一層の統一などを図る。今回はペン先の中間工程で検査する。

実際の装置はライン上に設置される（左）と、微細な傷を検出してNG判定（右）［クリックして拡大］

　マイスターエンジニアリングと構築した外観検査システムも展示した。弁当に模したサンプルに対して具材の不足を不良品判定した他、プリント基板の傷やはんだの不良を検知した。

不良箇所を原因と関連づけて表示（右）［クリックして拡大］

⇒その他の「製造現場向けAI技術」の記事はこちら

なぜ製造現場のAI活用がうまくいかないのか
成果が出ないスマートファクトリーの課題を掘り下げ、より多くの製造業が成果を得られるようにするために、考え方を整理し分かりやすく紹介する本連載。前回から製造現場でつまずくポイントとその対策についてお伝えしていますが、第7回では、製造現場でのAI活用の課題と生かし方について解説します。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。
組み込みAIは必要不可欠な技術へ、推論に加えて学習も視野に
2017年初時点では芽吹きつつあった程度の組み込みAI。今や大きな幹にまで成長しつつあり、2019年からは、組み込み機器を開発する上で組み込みAIは当たり前の存在になっていきそうだ。
加速するスマート工場化、その手前で考えておかなければならないこと
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。本連載では、第4次産業革命で起きていることや、必要となることについて、話題になったトピックなどに応じて解説していきます。第17回となる今回は、あらためてスマートファクトリーへの取り組みと顕在化する課題などをまとめたいと思います。