Share
Embed
Transcript
24 slides
-
目次 はじめに 枚数計数の課題 画像で捉え、面でAI認識する新方式。 ai-Numbersの特徴 ai-Numbersの強み 計数事例 システム構成・仕様 EasyNumbersとの比較 お客様の声
さいごに 04 01 02 03 08 09 10 05 06 07 -
枚数計数の課題 薄いものの 計数ができない 薄いシートでは境界が検出でき ず、複数枚をまとめて1枚と誤認 しやすい。 合紙などが見え隠れして カウントを誤る 合紙・保護紙が挟まると端面の 明暗パターンが乱れ、カメラが
枚数の区切りを取り違える原因 になる。 断裁面の状態変化による 設定調整が困難 環境条件によって断裁面の状態 が変わるたびに再調整が必要と なり、ライン停止や品質ばらつ きにつながりやすい。 -
従来の画像枚数計数機は一次元的な輝度を画像から 抽出し、輝度の変化をカウントする方式でした。 そのため、断面の状態の変化によって正確に計数で きなかったり、透明な袋に入ったものが見え隠れし たりすることによって正確にカウントできないこと がありました。 ai-Numbersはディープラーニングにより二次元的な端面の特徴(色・ 模様・テクスチャ)を検出するため、複雑な端面の電子基板や変化の大 きな断面をもつシート製品も正確にカウントすることができます。 最大5,400ピクセルの高解像度で断面を捉えるため、従来の画像枚数計
数機では不可能だった0.05mmの薄物シートも計数可能です。 端面の画像そのものをAIが学習し、画像(二次元的情報)内か ら端面を抽出してカウント 新方式 透明な袋にはいった対象物 例:OPP袋に入ったステッカーなど 画像から輝度変化のプロファイル(一次元情報)を抽出し、輝 度の山の部分をカウント 従来方式 画像で捉え、面でAI認識する新方式。 -
従来の非接触式枚数計数機は画像中から輝度の変化(暗→明や明→暗へ の変化)を1次元的なプロファイルとして抽出しプロファイルの山の数を カウントすることにより計数を行っていました。 しかし、輝度プロファイルから計数する方式では下記のような場合に鮮 明な輝度プロファイルを得ることができず、正確な計数ができませんで した。 画像で捉えてAIが面で認識 AIが学習している 透明のチャック付き袋の断面 境目が明確でない計数対象(ガスケット)
計数対象以外にも明るい部分があるもの (透明袋と内容物) 計数対象の画像そのものを学習するため、透明のチャック付き袋の中に 入った白い紙を誤計数することなく、袋の断面だけを計数することも可 能になりました。 AIは画像を輝度プロファイルに変換するのではなく、 計数対象そのものを画像として学習します。 の強み ai-Numbers 01 -
高解像度 横方向最大5400ピクセルの高解像度で撮影。薄いものを 鮮明に撮影します。 変化に強い 断裁刃物の状態によって変化する断面、素材によって厚み や外観のばらつきが大きくなるシート材でも、ディープ ラーニングが断面画像を複数パターン記憶して漏れなくカ ウントします。 断面そのもの を学習
輝度の変化ではなく断面の画像そのものを学習します。そ のため、複数の素材を貼り合わせることによって複雑な断 面となるシート材でも正確に計数することができます。 の強み ai-Numbers 02 03 04 -
計数事例 合紙あり基板 0.3mm 端面の状態 計数結果 合紙あり極薄基板 0.15mm 端面の状態 計数結果 合紙なし基板
0.5mm 端面の状態 計数結果 -
計数事例 シリコントレー 0.8mm 端面の状態 計数結果 ガスケット 1mm 端面の状態 計数結果 ステン薄板
0.1mm 端面の状態 計数結果 -
計数事例 フレキ茶板 0.1mm 端面の状態 計数結果 透明プラカード 0.3mm 端面の状態 計数結果 パッケージ台紙
1mm 端面の状態 計数結果 -
計数事例 透明のパウチ 0.1mm 端面の状態 計数結果 銀色のパウチ 0.1mm 端面の状態 計数結果 クラフトのパウチ
0.2mm 端面の状態 計数結果 -
システム構成・仕様 ・カウントステーション(※) ・ノートPC(デスクトップ対応可) ・ai-Numbersソフトウェア カウントステーション (※)カウントステーションにはカメラ・レンズ・照明が含まれています。 カウントステーション(標準) サイズ:約270mm(W) x 約350mm(H)
x 約270mm(D) (突起物除く) 重量:約6kg 入力電圧・消費電力:AC100V~240V(50/60Hz)・65W ※海外での使用は保証対象外です。 計数可能幅:75mm(カメラ設定・レンズにより変動します) 機能・仕様 PC CPU:Core i7以上 メモリ:16GB GPU:NVIDIA製 VRAM 8GB以上 入力電圧:AC100V~240V±10%(50/60Hz)(入力波形は正弦波のみをサポート) 消費電力: 約300W サイズ:約 360(幅) x 260(奥行) x 30(高さ) mm 本体重量:約2kg ※寸法は予告なく変更されることがあります ノートPC -
カウントモデルの作成 計数 計数手順 計数を行う計数対象物のカウントモデルを作成します。 作成したカウントモデルを選択し、 計数を行います。 計数対象物に合わせて カウントモデルを選択します。 アノテーション アノテーションとは、AIに学習させた
いデータに【意味付け(タグ付け)】 を行う作業です。撮影した画像内すべ ての対象物にペンで印をつけていきま す。 学習 アノテーションを行った画像をAIに学 習をさせて、モデルを作成します。 画像収集 計数対象物の端面を撮影します。 実際に計数を行う環境で撮影を行って ください。 品種リスト 基板 選択 -
との比較 発売時期 計数方式 解像度 計数アルゴリズム 明暗の変化が分かりやすい計数対象 複雑な断面を持つ計数対象 外観のばらつきの多い計数対象 計数対象の薄さ 計測時間・速度指標
設定 2016年8月 非接触画像処理 500-2000万画素 輝度変化カウント 〇 ✕ ✕ ≧0.1mm(※) 0.1-0.2秒(繰返し) 感度・RGB成分を品種ごとに手動設定 2025年6月 非接触画像処理 500-2000万画素 ディープラーニング 〇 〇 〇 ≧0.1mm(※) 0.3秒(1回*) 端面をペンでなぞるだけのアノテーション学習 EasyNumbers EasyNumbers ai-Numbers -
無料評価から導入までの流れ お問い合わせフォームより、お問い合わせを お願いいたします。 お問い合わせフォームの入力 01 評価レポートと概算費用のご提出 テスト結果を評価レポートとしてお送りいた します。 04 スカイロジックからの連絡
無料評価サービスのご案内をさせていただき ます。 02 サンプルのテスト お預かりしたサンプルでテストを行います。 03 貸出機による実環境での検証 デモ機一式をお貸出しいたします。お客様の 実際の運用に近い環境でお試し頂けます。 05 実運用のサポート 導入から運用まで、迅速かつ的確にサポート するための仕組みを用意しています。 06