Shiwaketter
大量の欠陥画像をAIが仕分けする
画像分類の悩み
分類精度が低い
既設画像検査機の分類機能が使いこなせていない。
検討したが精度がイマイチだったので導入できない。
未活用の大量画像
NG画像は大量に出力されているが分類できておらず、
品質管理データとして活用できていない。
負荷のかかる目視確認
画像は取得できているがNG画像だけ時間をかけて目視確認しており作業員の負担が大きい。
欠陥画像分類AI ソフトウェア
Shiwaketter
-
各欠陥の形状特徴を認識
独自の特徴抽出技術を採用し、欠陥種類ごとに学習して入力テストデータに対して欠陥種類を切り分けます。また、学習した欠陥種類とは異なる特徴を持つ場合には、"その他"に仕分けをします。単純な輝度（明るさ）ベースの分類ではないため、従来の画像分類手法よりも精度よく分類することができます。
-
超高速学習・推論
深層学習手法と比べて汎用PC(GPU不要)で高速処理が可能であり、500枚程度の画像でも1分以内*に学習・テストが完了するため、大量画像のテストでもストレスなくご利用頂けます。* PCスペックに依存します。
-
検査機に組込可能
学習ツールで分類モデルを作成し、SDKで既存の検査機に組込むことができます。ハードウェアの追加購入が不要の為、導入コストを抑制できます。
ソフトウェア操作画面
画像特徴がマッピング表示されるため、分類状況を確認しながらモデル性能の調整が可能です。
※開発中のため、実際にご利用頂く画面とは異なる場合がございます。ご了承ください。
こんな製品の品質改善に！
樹脂シート・フィルム
薄板ガラス・ガラスシート
銅箔・アルミ箔
その他、一面が一様な製品であればご検討頂ける場合がございます。
お気軽にご相談ください。