品質検査 ・ 動きの型 ― 判定
外観検査
目視検査が属人化・人手不足・見逃し。検査機は数百万円。
- 1. 写真をとる
- 2. 覚えた見本とくらべる
- 3. 点数で分ける
- 4. 記録する
流れてくる品を1つずつカメラでうつします。
カメラ
1 個目
見本と照らす
照合待ち
判定
判定待ち
記録
- 1 個目―
- 2 個目―
- 3 個目―
- 4 個目―
全数がログに残る
図は自動で進みます。数字はしくみを見せるための例です。
中でやっていること
- 1
写真をとる
流れてくる品を1つずつカメラでうつします。
- 2
覚えた見本とくらべる
よい品と悪い品をたくさん見せて覚えさせた見分け方に、いまの写真を当てます。
- 3
点数で分ける
どれくらい似ているかの点数を出し、高ければOK、低ければNGにします。
- 4
記録する
全部の結果を時刻つきで残します。まようくらいの点数の品は人にまわします。
やること
製品を撮影 → 良否判定 → NGを弾く → 記録。専用機を数万円で。
入れるもの
製品の写真（良品/不良の見本、または判定したい画像）
出てくるもの
OK / NG ＋ 確信度
わかること
NGを弾いて不良流出を止める。確信度が低い品は人が再確認に回す。
やり方の選択肢
クラウドAIビジョン(学習不要) / ローカル学習モデル(本番)
使っているAIの階層
② 従来型ML・画像処理 ・ ③ 深層学習 ・ ④ 生成AI
YOLO-cls の ONNX 推論。判定基準の編集＝ティーチング。難物は Claude vision(④)も選べる
向いている人
製造・品質管理