AI モデルを迅速にトレーニングしてデプロイし、本番環境の不具合を自動的に検出します。技術的な専門知識は必要ありません。
Google Cloud または Google の API でガイド付きユーザー インターフェースを使用してすぐに始める
微細な不具合を検出するために、ドメイン固有の高精度 AI モデルをトレーニングする
能動的な学習により不良画像を少数に減らし、ラベル付け作業の負荷を最小化する
生産ラインで Docker コンテナを介して予測モデルを実行する
主な機能
組み立てプロセスのあらゆる段階(不良、誤配置、欠損、回転、変形したコンポーネント)における微細な欠陥も検出できます。
あらゆる種類の表面において、最も重要で複雑な問題(へこみ、傷、ひび、変形など)を特定します。
簡単にデプロイできる Docker コンテナを使用して、店舗のフロアでモデルを実行できます。モデルは、本番環境での品質要件を満たすためにトレーニングされ、過剰検出率を回避します。
数個のラベル画像のみを使用してモデルの作成を開始します。 能動的学習では、オペレーターがラベルを付けるための追加の画像が自動的に提案され、モデルのパフォーマンスをさらに改善できます。
ユースケース
Visual Inspection AI は本番環境向けに構築されており、自動車、電子機器、半導体、産業部門などの幅広いユースケースに対応しています。
自動車メーカーは Visual Inspection AI を使用して、シャーシの最も重要な構造である接合部でロボット溶接により発生した異常について検査します。
電子機器メーカーは Visual Inspection AI を使用して大容量プリント基板(PCB)上の多数の部品を同時に検査し、部品やねじ、ばね、はんだ付けの不足や誤配置、損傷を検出します。
半導体メーカーは、Visual Inspection AI を使用して、ウエハーの欠陥、チップの欠陥、ダイクラックを検出し、位置を特定します。
一般的なユースケース
一般的な分類の問題
製造環境での目視検査タスクの対象
オンプレミスのデプロイ
はい(Docker コンテナ経由)
製造業固有のモデル
はい(ドメイン固有のモデル最適化により、継続的に改善)
不均衡なデータセットの処理
いいえ(ラベル付けされた不具合と不具合なしが同数必要)
はい(多くの通常サンプルと、製造環境でよくあるラベル付きの欠陥をいくつか使用可能)
能動的学習
はい(人間による審査とラベル付けのために疑わしいサンプルを迅速に特定)
セグメンテーションとローカライズ
はい(欠陥が見つかった領域を正確に特定)
コンポーネント欠損の検出
高解像度画像のサポート
はい(最大 1 億ピクセル)
画像の自動アライメント
はい(カメラ ストリームの画像の自動配置)
画像の異常検出
一般的なユースケース
一般的な分類の問題
オンプレミスのデプロイ
製造業固有のモデル
不均衡なデータセットの処理
いいえ(ラベル付けされた不具合と不具合なしが同数必要)
能動的学習
セグメンテーションとローカライズ
コンポーネント欠損の検出
高解像度画像のサポート
画像の自動アライメント
画像の異常検出
一般的なユースケース
製造環境での目視検査タスクの対象
オンプレミスのデプロイ
はい(Docker コンテナ経由)
製造業固有のモデル
はい(ドメイン固有のモデル最適化により、継続的に改善)
不均衡なデータセットの処理
はい(多くの通常サンプルと、製造環境でよくあるラベル付きの欠陥をいくつか使用可能)
能動的学習
はい(人間による審査とラベル付けのために疑わしいサンプルを迅速に特定)
セグメンテーションとローカライズ
はい(欠陥が見つかった領域を正確に特定)
コンポーネント欠損の検出
高解像度画像のサポート
はい(最大 1 億ピクセル)
画像の自動アライメント
はい(カメラ ストリームの画像の自動配置)
画像の異常検出
料金
料金の詳細については、営業担当者にお問い合わせください
パートナー
$300 分の無料クレジットと 20 以上の Always Free プロダクトを活用して、Google Cloud で構築を開始しましょう。