未知の製品の良否判定を行う汎用外観検査AI

研究概要

深層学習は近年、急速に発展し様々な分野で活躍しており、外観検査もその一つです。従来の外観検査への応用方法で最も一般的なものは、特定の製品の良品画像データを用意し、これをニューラルネットワークが学習し、新たな対象の画像を良品／不良品に分類する方法です。この方法は、検査対象となる製品の画像データを大量に収集し、製品ごとにニューラルネットワークの最適化を行う必要があります。そのため、未知の製品に対して追加の学習を行うことなく検査を行うことは困難です。そこで、大規模視覚言語モデルを用いて製品に発生しうる欠陥の基礎的な知識を与えることで、未知の製品に対しても追加の学習を行うことなく検査が可能な汎用外観検査AIの構築を目指しています。

産業界へのアピールポイント

• 深層学習により高精度に異常検知が可能

• 大規模視覚言語モデルの広範な知識を活用し、未知の製品に対しても検査が可能

実用化例･活用例

• コスト削減や検査基準の標準化を目的とした外観検査の自動化