調整が収束しない3つの理由
設定の腕前ではなく、手元にある材料の問題であることが多くあります。
立ち上げ時の画像しか手元にない
初回の設定に使ったOK・NG画像だけで調整していると、実際の生産で出ている個体差を反映できません。想定していた範囲の外で誤判定が起きます。
その場限りの調整を繰り返す
誤判定が出るたびにしきい値を動かすと、直前に直した別の判定が崩れます。何を直したかの記録が残らないため、元に戻すこともできません。
どちらの誤りかを分けていない
良品を弾いたのか、不良を通したのかで打つ手は逆になります。両方をまとめて「誤判定」として扱うと、調整の方向が定まりません。
誤判定を減らす4ステップ
設定を触る前に、材料をそろえるところから始めます。
実運用の画像を残す
NGと判定したものだけでなく、良品も含めて残します。判定の境目にあった製品の画像が、あとで設定を見直すときの材料になります。
誤判定を2種類に分ける
良品を弾いた過検出と、不良を通した流出を分けて数えます。どちらがどれだけ出ているかで、優先して直す方向が決まります。
調整の難しい画像を選んで設定を見直す
誤判定が出た画像と、判定が際どかった画像を選びます。これらで正しく判定できる設定を探すのが、最も効率のよい進め方です。
変更の影響を確認してから反映する
設定を変えたら、蓄積した画像でまとめて再判定し、他の判定が崩れていないかを確認します。確認してから現場に反映します。
誤判定の種類別の対処
同じ「誤判定」でも、原因と打つ手が異なります。
| 症状 | 考えられる原因 | 打つ手 |
|---|---|---|
| 良品を弾く(過検出) | 許容したい汚れや個体差まで検出している | 許容したい箇所を指定して設定を調整する。検出したい不良だけを学習させる |
| 不良を通す(流出) | 学習や条件の範囲から外れた不良が出ている | 通してしまった画像を追加して学習させる。良品を学習して違いを見る方法を併用する |
| 日によって結果が変わる | 周囲の明るさや外の光の影響を受けている | 照明で外乱を抑える。撮像の条件が一定に保たれているかを確認する |
| 特定のロットだけ崩れる | 材料や工程が変わって見え方が変化している | そのロットの画像を材料に設定を見直す。工程側の変化を記録に残す |
| 位置がずれると誤判定する | 検査する枠が固定されている | 位置と向きを検出してから検査枠を追従させる |
| 直すと別の判定が崩れる | 1枚の画像だけを見て調整している | 蓄積した画像でまとめて再判定し、全体で成立する設定を探す |
| 誰が調整したか分からない | 変更の記録が残っていない | いつ・どの画像を材料に・何を変えたかを残す運用にする |
「良品も残す」が調整の前提になる
誤判定を減らす作業は、実際に流れた製品の画像がどれだけ手元にあるかで決まります。NGだけを残していると、どこまでが良品として通っていたかが分からず、基準を動かす根拠がつくれません。記録の設計が、そのまま調整のしやすさになります。
記録と調整をひとつながりにした画像処理システム
実運用で撮りためた画像を、そのまま設定の見直しに使えます。
AI×ビジョンストレージ搭載 画像処理システム
VS-Gシリーズ
VS-Gシリーズは、コントローラに専用のストレージを内蔵した画像処理システムです。良品も含めた全数の画像を本体に残せるため、調整の材料を別に用意する必要がありません。蓄積した画像のなかから調整の難しいものを選び、不良にしたい箇所と許容したい箇所を指定すると、そこから最適な設定を自動で探します。ルールベースのツールについてはパラメータを自動で調整するオートパラメータチューニングを、AIのツールについては学習に使うべき画像を選び出すオートイメージセレクタを搭載しており、どちらの方式でも設定を追い込めます。設定を変更したときは、蓄積した画像でまとめて確認できるため、他の判定が崩れていないかを見てから現場に反映できます。
VS-Gシリーズの詳細資料を入手する
全数画像保存とオートチューニングの仕組みをまとめたカタログを無料でダウンロードできます。
調整が難しくなりやすい検査の例
良品側のばらつきが大きいほど、記録にもとづく調整が効きます。
ゴムホースの全周外観検査
表面の質感にばらつきが出やすく、許容したい模様と止めたい欠陥が近くなります。実際に流れた画像を材料に基準を詰めます(VS-Gシリーズ)。
即席麺の異物検査
食品は個体差が大きく、想定していなかった見え方が出ます。通してしまった画像を追加して基準を更新していきます(VS-Gシリーズ)。
エンジン部品の組付検査
組み付けの状態を見る検査では、位置のばらつきが誤判定につながります。位置を補正したうえで判定する構成にします(VS-Gシリーズ)。
AI画像検査の誤検知・過検出に関するよくあるご質問
- AIを使えば誤検知はなくなりますか?
- なくなるものではありません。減らすために必要なのは、実際に流れた画像を材料にして設定を見直す運用です。良品も含めて画像を残しておけるかどうかが、その後の調整のしやすさを決めます。
- 過検出が多い場合はどうすればよいですか?
- 許容したい箇所を指定して、そこを検出しない設定を探します。検出したい不良だけを学習させる方法であれば、似た欠陥だけを捉えて、許容したい汚れや個体差を通せます。実際の画像で確認するのが確実です。
- 想定していなかった不良を通してしまいました。
- 通してしまった画像を残せていれば、それを追加して基準を更新できます。事前に集められない不良まで止めたい場合は、良品を学習してそこからの違いを検出する方法を併用します。
- 設定を変えると別の判定が崩れます。
- 1枚の画像だけを見て調整すると起きやすい状態です。蓄積した画像でまとめて再判定し、全体で成立する設定を探す進め方にすると収束します。変更後の確認を現場に反映する前に行えます。
- 調整は誰でもできますか?
- 調整の難しい画像を選び、不良にしたい箇所と許容したい箇所を指定すると、そこから設定を自動で探す機能があります。ルールベースのパラメータ調整と、AIの学習画像の選定の両方に対応しています。
- 調整した内容をあとからたどれるようにできますか?
- 変更の前後で判定がどう変わったかを、蓄積した画像による再判定で確認できます。いつどの画像を材料に設定を見直したかを記録として残す運用にしておくと、調整の試行そのものがしやすくなります。設定の保存や履歴の運用方法についてもご相談いただけます。
実際の画像で設定を詰めてみませんか
誤判定が出ている対象物と、許容したいばらつき・止めたい不良をお伝えください。実際の画像を使って、どこまで追い込めるかを確認できます。カタログまたはお問い合わせフォームからご相談ください。