VAEによる異常検知とデータの区切り技術で検品作業の効率化

商品のキズや汚れを自動的に検知し、どんな商品の小さなキズや汚れも検知することが可能です。品質管理など、様々な場面で利用可能です。

アノテーション作業が不要な教師なし学習の1つであるVAE(Variational Autoencoder)で異常検出を行っています。
VAEは入力に画像を与えると、学習した画像に似た画像を復元して出力します。
正常な画像データだけをVAEに学習させることで、VAEが復元する画像は正常なものばかりになり、異常な画像を入力したとしても正常な画像を復元します。このとき、入力画像と復元画像に明らかな差が生じるため、異常として検出することが可能です。

この技術を応用することで、製品の検品時に傷などの不良品検出を自動で行うことが可能です。
製品の正常な画像や映像を学習させておき、その後傷などの異常があった際にアラートを出します。


データの区切りを検出する技術と異常検出技術で検品時間を最短化
製品の検品作業を自動化する場合、部品自体のスタート地点を判断する必要があります。
検品時の映像は周期的な変化になることが多いため、周期を認識することでスタート地点を判断できます。

特殊なVAEを使うことで、VAEに周期的な変化を学習させることができます。
その結果、製品の映像を読み込むだけでデータの区切り(どこまでチェックしたか)が判別でき、製品1つにかけるチェックを最短で完了できます。
データの区切りを検出する技術と、VAEを使った異常検出技術を組み合わせることで、より効率的に検品作業の自動化が可能になります。

異常検出技術の応用事例

  • 複雑な工業製品の異常検知
  • 目視ではチェックが厳しい部品のチェック等