近年、AI技術の発展に伴い、画像認識技術は様々な分野で活用されています。特に製造業においては、製品の品質管理における自動化ニーズが高まっており、画像認識を用いた異常検知システムが注目されています。
今回、私は商品の検品検査作業を効率化するため、Pythonを用いて微小な凹みを検知できる異常画像検知システムを開発しました。
書いているのはこんな人
開発の背景
従来、商品の検品検査は人の目視によって行われていました。しかし、目視による検品検査は、作業者の熟練度や体調によって精度が左右されるだけでなく、長時間作業による集中力の低下も避けられません。特に微小な凹みのような異常は、見落としてしまう可能性も高く、品質管理上の課題となっていました。
そこで、画像認識技術を活用することで、検品検査作業の自動化と精度向上を目指しました。
システムの概要
開発したシステムは、以下の手順で異常画像を検知します。
- データセットの作成:
- オリジナルの商品画像データから、正常な画像と異常な画像（微小な凹みキズがある画像）を収集し、データセットを作成しました。
- データセットは、機械学習モデルの学習に使用するため、十分な量のデータを用意しました。
- ディープラーニングモデルの構築:
- 画像認識に優れた畳み込みニューラルネットワークをベースとしたディープラーニング モデルを構築しました。
- データ拡張などのテクニックも活用し、モデルの汎化性能を高めました。
- モデルの学習:
- 異常検知の実行:
- 学習済みのモデルに、テスト検品対象の正常商品画像と凹みキズ有り商品画像を読み込ませ、異常かどうかを判定します。
- 異常と判定された場合は、損失の数値が大きくなり判断が可能でした。
開発のポイント
- 微小な凹みの検知:
- 微小な凹みを検知するため、高解像度の画像データを使用したいのが希望ですが、データ量の重さと速度の良いバランスを考えライティング・ノイズの工夫や画像のコントラスト調整などの前処理を丁寧に行い精度と軽量化のバランスをとりました。
- データセットの質と量:
成果と評価
開発したシステムを用いて、オリジナルの商品画像データに対する異常検知実験を行った結果、小さな凹みを高精度に検知できることが確認できました。特に、数値に現れた結果は正常商品が76の±1であるのに対し凹みキズ商品は87と大きく値が変わり目を見張るものがあり、異常画像を明確に判断することができました。
今後の展望
今回の開発では、微小な凹みの検知に焦点を当てましたが、今後は、傷や汚れ・液体の中の浮遊ゴミなど、他の種類の異常も検知できるようにシステムを拡張していきたいと考えています。
まとめ
Pythonと画像認識技術（画像センシング）を活用することで、商品の検品検査作業を自動化し、品質管理の精度を向上させるプログラムを実装することができました。今回の開発で得られた知見を活かし、より高度な異常検知システムの開発に挑戦していきたいと思います。
ご相談や制作依頼などお気軽にお問合せください！
| TOP | ABOUT | 人物写真 | 静物写真 |
| バーチャルヒューマン | 3DCG/VFX映像制作 | 建築写真 | コンサルティング |
