AIありきではなく、欠陥の定義、撮像条件、判定基準、タクト、再検査の運用から検討。ルールベース画像処理とAI検査を比較します。
このような課題を整理します
- 目視検査の判定が人によってばらつく
- 検査員の確保・教育が難しい
- 品種が多く判定条件が変わる
- 不良サンプルが少なく検証方法が分からない
導入前に確認する3つの視点
01
検査基準
欠陥の種類、許容限度、見逃しと過検出の影響を明確化。
02
撮像条件
カメラ、レンズ、照明、ワーク姿勢を検証。
03
運用設計
品種追加、再学習、グレー判定時の人の役割を設計。
検討の進め方
STEP 1
サンプル整理
良品・不良品と判定基準を確認します。
STEP 2
撮像テスト
欠陥が安定して見える条件を探ります。
STEP 3
ライン検証
精度とタクト、排出・再検査まで確認します。
よくあるご質問
不良品が少なくてもAI検査を検討できますか？
良品学習やルールベース画像処理など別方式も含めて検討できます。まず欠陥の見え方と判定基準を確認します。
検査を完全無人化できますか？
対象や品質リスクによっては、曖昧な判定だけを人が確認する半自動化が合理的です。必要精度と運用コストから判断します。