2.画像検査のケーススタディ

基板部品の画像検査をAIを使って行う方法です。

 

基板部品の画像検査

以下の例はまさに機械想起だけで正解が出た場合です。操作は取扱説明書を参照してください。

[説明]

この「nabe1-40」のValが0というのは、教師信号と早期新語のずれがないことを意味しています。つまりあっているということです。Rankが1というのは機械想起の中で一番合っているということです。このときビスはなるべく大きく教師させておいてください。上記の例はたまたまうまく想起できましたが、以下の例ではビスのあるなしの画像面積より、基板の緑部分の面積が大きいので、判別があいまいになります。緑の基板の部分が共通だと思ってしまうことになります。

 

  • 教師のさせ方のノウハウ

悪い教師例:緑の面性が大きすぎる   良い教師例:欠品の穴とビスの面積が大きい

  • 大きさが違うビスの時

上記の例ではビスの直径が違う場合(ここでは2.3mmと3.0mmの2種類)には、うまく判別できあません。この時はその部品取り付け穴径とビス2.3mmとビス3.0mmに比例した大きさで画像を切り出し、教師させる必要があります。

  • 画像想起の難点

ビスという色も同じで、大きさが微妙に違うものは機械学習させてもその想起信号が似てくるため、判別が難しい部類の画像になります。逆に人間の顔のように明らかに違う者や、色情報がふんだんに入っているものは判別がしやすくなります。以下は全員機械想起だけであてることができました。


このコンテンツは会員限定のコンテンツです。
会員登録または、ログインしてください。

あわせて読みたい