検索
ニュース

自社でAIの有用性を事前検証できる、製造業向けAI外観検査セルフチェックツール製造現場向けAI技術

システムインテグレータは、AIを用いて製品外観検査の自動化を検討する製造業向けに、無料のAI外観検査セルフチェックツール「ImageCheck AI」を発表した。AIの有用性や導入への課題を自社で検証できる。

Share
Tweet
LINE
Hatena

 システムインテグレータは2023年4月13日、AI(人工知能)を用いて製品外観検査の自動化を検討する製造業向けに、無料のAI外観検査セルフチェックツール「ImageCheck AI」を発表した。AIの有用性や導入への課題を自社で検証できる。

 企業が自社でAIを活用できるか検証する際は、通常はAIベンダーが、有償のPoC(概念実証)やPoC前に簡易的な検証を実施する。ImageCheck AIを活用することで、有償PoCの実施前に、自社だけで簡易検証が可能になる。ユーザー自身の環境で学習や検証の結果を確認できるため、通常は必要になる機密保持契約や画像の授受などの手間をかけずに、自社で今後のAI活用の課題を抽出可能になる。

 ImageCheck AIは、正常品の画像を学習用データとしてアップロードすることで、正常と異常を判定できる。

 判定用データに、正常品の画像と異常品の画像をアップロードすると、画像の特徴量から算出したスコアがヒストグラムとして表示される。正常品が低いスコアに、異常品が高いスコアにそれぞれ分布される場合は、画像の特徴を正しく捉えるAIが作成できたといえる。混同行列では、AIの見逃しや過剰検出を容易に確認可能だ。混同行列の数値は、正解率や過剰検出率などの算出に活用できる。

ヒストグラム、混同行列による正常と異常の判定
ヒストグラム、混同行列による正常と異常の判定[クリックで拡大] 出所:システムインテグレータ

 また、AIが異常と判断した部分を強調表示(ヒートマップ)で確認できる。他に、高スコア画像、正常と異常の境(しきい値)付近画像、低スコア画像をそれぞれ比べられる。

ヒートマップによる異常判定
ヒートマップによる異常判定[クリックで拡大] 出所:システムインテグレータ

 同社は今後、ユーザー自身で実施できる検証作業の領域を広げるべく、不良品画像を学習させるモデルや、画像にラベル付けをして分類できるモデルなど、モデルの種類を増やしていく。

⇒その他の「製造現場向けAI技術」の記事はこちら

Copyright © ITmedia, Inc. All Rights Reserved.

ページトップに戻る