社内ＳＥの日常、外観検査の階段

2023年4月26日 18:59

ＡＩ外観検査を実用的なレベルにするためには、何段もの階段を登る必要があります。
１階から２階へジャンプできないのと同じで、少しずつ階段を登るように技術力を身につけるしかありません。

この階段を登っていく部分、経産省のＡＩ外観検査ガイドブックには書いてありません。
私が気がついている階段のステップ数、最低でも３段あります。

１段目、外観検査で不良品と判断する、問題点をキレイに写真として撮影する技術です。
当たり前の事ですけど、とても重要な部分なのに理解が不十分な人が居るみたいです。

単純に問題点が写真に撮影されているだけではなく、検出可能な大きさに撮影されている必要があるのです。
仮に２５６×２５６ピクセルの有効範囲で３２×３２ピクセルの傷まで検出できるなら、傷は写真の約１．５％以上の面積がなければ検出不可能です。

こういう数学的な説明が抜け落ちているから、撮影していてもノイズに見えるような傷を検出して欲しい話が出てきます。
技術的な限界がどこにあるのか、数値で理解していないから無茶な要求だと気がつかないのです。

２段階目、傷を人間が見て判断しやすくする技術です。
人間よりもＡＩ外観検査は判定精度が低い場合が多いので、人間から見ても傷を分かりやすくすることが必要です。

人間が見ても分からない傷、ＡＩ外観検査でも検出するのは無理だと思います。
世の中には傷を浮かび上がらせる技術などがありますが、なぜ傷を浮かび上がらせる技術が必要とされるのか気がついて欲しいです。

いまだに、不鮮明な不具合の写真が１枚あれば、不良品が検出できると思いこんでいる人も居ます。
ＡＩ外観検査がどんな仕組みで動いているのか、技術的な側面を「数字で説明」している技術書で学んで欲しいです。

３段階目、画像を加工する技術です。
どんなに分かりやすく傷を浮かび上がらせたとしても、写真を判定するピクセル数は２５６×２５６ピクセルなどの正方形です。

この制限されたピクセル数のキャンバスを有効に使わなければなりません。
外観検査したい製品以外の背景など、どうやって除外するかが問題になります。

背景を白く染めたとしても、均一な白になっているとは限りません。
生産ラインで外観検査をしていたら、ごみや汚れなどが背景を汚すことがあります。

製品を外観検査したいのであって、背景のごみや汚れを外観検査したくありません。
単純なことなのですが、何故か忘れ去られています。

この記事を読んで、何か具体的な記述が抜けていると感じられた方、私よりもＡＩ外観検査に詳しいと思います。
私にＡＩ外観検査が成功するコツ、記事にして教えていただけないでしょうか。（笑）

いいなと思ったら応援しよう！