論理異常検出の順位は、人工的な撮影変化を混ぜると入れ替わる
製造ラインの外観検査では、AIが「正常品との違い」を探して不良を見つけます。部品の欠品や誤配置といった規則違反を探す課題を論理異常検出と呼びます。傷や汚れなど見た目の欠陥を探す構造異常検出とは別の課題です。標準ベンチマー […]
疑似欠陥を「正常のすぐ外側」に作る
工場の外観検査AIは、欠陥品の画像が集めにくいため、正常品だけで学習することが多い。そこで正常画像から「それらしい欠陥」を人工的に作り、正常と見分ける練習をさせる。ECCV 2024 の GLASS は、この疑似欠陥の作 […]
実装基板を「色と形」に分けて見る：PCB外観検査と4つの画像表現
装基板の外観検査では、はんだやリードの鏡面反射で「形」が読み取りにくくなりがちです。TR-100（FORESIGHT STEREO®）で市販HDDの制御基板を撮影し、1回の撮像から得た4つの画像表現を見比べました。
トレーディングカードの表面観察にも、FORESIGHT STEREO® ― 光沢面の「色」と「形」を分けて見る
光沢やホロ加工のあるトレーディングカードは、印刷の絵柄と表面の映り込みが重なり、浅い凹みや傷を見分けにくい対象です。当社の3D画像化技術 FORESIGHT STEREO® は、こうしたカードの表面観察にも活用できます。 […]
「良品だけのはず」の学習データにNGが混じったら、検査AIはどうなるか
外観検査AIを作るとき、多くの手法は「学習データは全部良品」という前提に立つ。しかし現場ではラベルミスや検品漏れで、不良品の画像が数枚だけ学習用フォルダに紛れ込むことがある。この前提が崩れたとき、モデルはどこまで壊れるの […]
「MVTec ADで99%」では手法を選べない — 産業用異常検知29手法のAUROCを設定付きで比較した
産業用異常検知の手法を選ぶとき、多くの技術者がまず見るのがベンチマークのAUROC値です。ところが上位手法は99%台に密集し、同じ指標名でも測定設定が異なります。本記事では、29手法の値を原論文と公開ベンチマークから採取 […]
同じTR-100、レンズだけを高倍率に替えて半導体チップを見てみた
検査で見え方を左右するのは、装置の性能そのものより「どのレンズで、どの視野で撮るか」という条件設計であることが少なくありません。今回はAIビジュアル検査システム TR-100 に高倍率レンズを装着し、半導体チップのサンプ […]
焦点距離で視野と分解能はどれだけ変わるか ― 35 / 50 / 85 mm のラインスキャンレンズを実測比較
「視野を広げれば分解能は落ちる」――外観検査に関わる方なら、誰もが知っている原則です。ただ、実際にレンズを1本選ぶ場面で効いてくるのは、原則そのものではなく「では、どれだけ落ちるのか」という数字のほうです。 まずは1枚ご […]
AI異常検知の「評価」を、手を動かして理解する(4/4)
〜 閾値・混同行列・ROC/PR/F1 を、スライダーを動かしながら体感するチュートリアル 〜 AI外観検査を導入するとき、いちばん誤解されやすいのが 「評価（evaluation）」 の部分です。 「F1 が最大の閾値 […]
AI異常検知の「評価」を、手を動かして理解する (3/4)
〜 閾値・混同行列・ROC/PR/F1 を、スライダーを動かしながら体感するチュートリアル 〜 AI外観検査を導入するとき、いちばん誤解されやすいのが 「評価（evaluation）」 の部分です。 「F1 が最大の閾値 […]