最新の研究結果を利用できます。

大学の准教授様とご協業で研究開発を行っており、 最新研究結果をいつでも利用できます。

特許出願中の技術

弊社特許出願中の技術で一番深い意味理解が可能になる人工知能を利用することができます!

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ます。

CNNとは
  • 畳み込みニュートラルネット(Convolutional Neural Network)の略
  • 画像分野にて活躍するDeep Learningの手法
  • 畳み込み層と呼ばれる特定領域の特徴量を抽出する手法が用いられる
クラスタリングとは
  • 統計学におけるデータ解析手法の1つ
  • 自動的にデータを分類することができる

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

  1. モデルの定義 / 正常時の物体を学習
  2. 入力された画像に対して正常品との距離を求める
  3. 距離が、ある閾値異常の場合「不良品」と判断する

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できます。目立ちにくい布製品のしわ等の不良も検知できます。
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、見落としを削減します。
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します。

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です!!

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。

クリスタルメソッド 株式会社

〒102-0073
東京都千代田区九段北4丁目1-14 TLビル5F

都営新宿線「市ケ谷駅」より徒歩3分
東京メトロ有楽町線・南北線
JR 総武線「市ケ谷駅」より徒歩5分