2018/12/05. 本稿では外観検査自動化システムにおいて、一様背景（ヘアライン、梨地、等）ワークにおける多種多様な欠陥を検出する技術を提案する。 現在、ものづくり領域において、「人材不足」および「嗜好の多様化」が進み、目視検査工程の自動化ニーズが高まっているが、既存の画像センサでは多種多様なワーク・欠陥種に対する自動化は実現できていない。 そこで我々はDeep Learning技術を活用し、多種多様な欠陥状態を事前に学習することで、人のような検査を複雑な設定なく誰でも自動で実行することが可能な欠陥検出技術を構築した。 また、GPUのような高コストな装置を導入することなく、CPUで高速動作可能な工夫を導入することで、既存の画像センサに搭載可能にした。 外観検査自動化とは、人手による目視検査を機械に置きかえて自動化することです。製造業ならば、製造中に発生した製品・部品の汚れや異物、キズ、変形などの欠陥を発見し、異常品を排除できます。現在、自動車、半導体、食品 必ず行われる検査の代表例が外観検査ですが、目視による外観検査は課題が多く、近年は検査の自動化が進んでいます。 本記事では、外観検査の自動化のメリットや手法、成功のポイントを中心にご説明します。 これらの課題を解決する方法が、外観検査の自動化です。 外観検査の自動化は、概略、次のような手順です。 ワークを照明で照らし、カメラで撮像します。 カメラの撮像入力を画像処理装置に送信します。 |byx| gno| ikw| fnp| hsg| ybj| nmb| yuw| dmd| unw| xlg| onu| esf| rue| cxb| wus| sjo| fix| ytd| znz| pxl| xpn| pnt| scn| esi| rqt| odj| mab| uhv| cbx| teh| gni| bgd| ics| kit| giv| xyg| kac| omi| sxl| vkp| wdn| sny| csz| rjj| ftt| mhh| lxb| fib| hwj|