画像からの不良品検出技術について

形が決まっていない物への不良品検出技術

弊社では、形が決まっていない物、例えば洋服やソファーなどの柔らかい物に対する認識について技術研究開発などを行っています。
2Dの画像に対して、クラスタリングや1クラスの不良判定を行う研究を行っています。

2次元画像の不良品検知 / 手法

画像処理で一般的に使われるCNN(畳み込みニューラルネットワーク)及び クラスタリングの技術を用いる。

「CNN(畳み込みニューラルネットワーク)を用いた不良品検知」


この技術の強み

CNNにクラスタリング技術を導入することで、不良品かどうかだけでなく、キズ・シミなど検知した不良の種類の特定を実現。
目立ちにくい布製品のしわ等の不良も検知。
難しい画像も対象箇所を切り取ることで検出を容易にし、見落としを削減。
検知にかかる時間も短く、生産ラインの流れを途絶えさせることのないチェックを可能に。

さらに、上記技術を発展させて3D画像に対応できるよう現在研究中!!

従来の不良品検知からの新規性

従来の手法
正常データの回帰曲線を求めそれとの誤差から異常値判断を行う。
正常データ同士は近いという前提のもと、離れ値をもとにして異常値判断(密度, 境界曲線, クラスターと多岐にわたる)
2次元画像をデータとしていた
新規性
Deep Learningを用いることで正常データのもつ特徴をAIが柔軟に学習できる(人手で仮定する必要性がなくなる)
3次元データ(深さ成分を持ったデータ)を使うことでより精度の高い不良品検知を可能とする