導入事例・ユースケース

ウェブ外観検査装置で検出された過検出画像から欠陥の特徴を機械学習し、最適な閾値で再判定を行うことで不要な検出を低減します。これにより、真の欠陥のみを抽出し、検反工程など目視確認の工数削減と安定した良否判定を実現します。

ウェブ外観検査で欠陥ごとに閾値の設定が必要なものについて、欠陥の特徴を機械学習で分類し、それぞれに最適な閾値を設定することで、過検出や見逃しを抑制します。これにより、判定の精度と安定性が向上し、品質管理の信頼性を高めます。

錠剤の外観検査で従来は手作業で行っていた煩雑な検査条件の設定を、良品学習技術により自動化。錠剤の表面状態の特徴を解析し、最適な閾値を導出することで、品種追加時の手間を削減します。短時間で高精度な判定が可能となり、安定した品質管理と検査工程の効率化を実現します。

鍛造品に特有の加工跡や素材のばらつきがある製品の表面を、画像処理技術を活用してノイズの影響を抑えることにより高精度に判定。複雑で不均一な表面状態でも欠陥と加工痕を的確に識別し、安定した外観検査を実現します。従来の目視検査では困難だった領域にも対応し、品質管理の信頼性と効率を向上させます。

射出成型品に特有のヒケ欠陥を、画像処理フィルタリング技術を活用することで、微細な凹みも高精度に検出。従来の目視検査では見落とされがちな欠陥も、安定した良否判定を自動的に行うことで、より確実に抽出し、品質管理の信頼性と効率を向上させます。

光沢のある金属部品で反射や映り込みが原因で検出が困難になる欠陥を、光学調整と画像処理技術を組み合わせることで、ノイズの影響を最小限に抑え、微細な傷や凹みを高精度に抽出。高反射素材においても、安定した外観検査を実現し、品質管理の信頼性と効率を向上させます。

検査項目が多岐にわたる製品の複雑な欠陥の判定処理を、AIによる学習とルールベースの判定ロジックを組み合わせることで効率化。多様な欠陥パターンに柔軟に対応しながら、見逃しを抑制し安定した外観検査を実現。品質管理の信頼性と作業負荷の軽減に貢献します。