Example実例紹介
ディープラーニングを活用した形状検査
| カテゴリー | 電子部品 |
|---|---|
| ワーク | 電子部品 |
| 検査内容 | 半田付け形状検査 |
| アプリケーション | ディープラーニング |
Before
毎回溶接部の形状が異なるため、欠陥検出のための基準を作製することができず、今までのルールベースの画像処理では欠陥検出が不可能であった。よって人間の目視検査に頼らざるを得なかった。
After
ディープラーニングを活用することにより、欠陥形状を学習し人間の目視検査と同等以上の欠陥検出が可能となった。さらに、目視検査が難しかった検査結果の画像、履歴保存等も可能となった。
【主な特徴】
DLを活用した画像検査には、従来は画像処理の設定で多くの工数が必要だったアルゴリズム・フィルタ・しきい値の設定、調整等の概念がありません。OK画像のみ、もしくはOK・NG画像を学習することにより、精度の高い検査が可能となります。
※当社では、コグネックス社のVisionPro Vidiを使用しています。
また、従来のマシンビジョンシステムでは難しく、面倒で、高価になりがちだった複雑なアプリケーションに対応します。偏差や欠陥のばらつきに対して柔軟なディープラーニングは、これまでの最高レベルの品質検査すらも超える性能を誇り、特に以下のような用途に適しています。
・欠陥検出
・表面処理・材料分類
・アセンブリ検証・変形部分検出
・文字読み取り（印字の歪みを含む）
DLを活用した画像検査には、従来は画像処理の設定で多くの工数が必要だったアルゴリズム・フィルタ・しきい値の設定、調整等の概念がありません。OK画像のみ、もしくはOK・NG画像を学習することにより、精度の高い検査が可能となります。
※当社では、コグネックス社のVisionPro Vidiを使用しています。
また、従来のマシンビジョンシステムでは難しく、面倒で、高価になりがちだった複雑なアプリケーションに対応します。偏差や欠陥のばらつきに対して柔軟なディープラーニングは、これまでの最高レベルの品質検査すらも超える性能を誇り、特に以下のような用途に適しています。
・欠陥検出
・表面処理・材料分類
・アセンブリ検証・変形部分検出
・文字読み取り（印字の歪みを含む）