東芝自主開發的良品學習AI圖像檢測技術
短期內可實現自動化檢測并提升檢測精度
短期內可實現自動化檢測并提升檢測精度
東芝AI圖像檢測技術通過良品學習算法，為生產現場檢測工序自動化提供解決方案。
通過東芝自主開發的閾值優化算法，在防止不良品的漏檢和降低誤檢率的同時，實現檢測環節的人員精簡，并為后疫情時代的新型制造現場模式作出貢獻。
?AI圖像檢測軟件是利用圖像進行外觀檢測，具有“學習功能”和“判定功能” 的軟件。
普通AI圖像學習方法的劣勢 檢測裝置的劣勢
-
需要收集大量良品和不良品的圖像數據且學習需要花費較多時間
只需收集少量良品圖像即可在短期內快速完成學習
-
創建良品模型和調整精度需要高度專業的技術水平
無需專業技術人員也可輕松實現圖像導入和參數設定
-
導入現有生產線程序復雜且維保不便
在現有產線上通過安裝攝像頭、光源等即可實現導入
普通AI圖像學習方法的劣勢
-
需要收集大量良品和不良品的圖像數據且學習需要花費較多時間
只需收集少量良品圖像即可在短期內快速完成學習
-
創建良品模型和調整精度需要高度專業的技術水平
無需專業技術人員也可輕松實現圖像導入和參數設定
檢測裝置的劣勢
-
導入現有生產線程序復雜且維保不便
在現有產線上通過安裝攝像頭、光源等即可實現導入
特長
-
1東芝自主開發的良品學習方式降低誤檢率
通過自主開發的閾值優化算法，降低誤檢率和漏檢率，確保可靠檢測結果。
-
2在操作畫面上直觀地創建學習模型
提供便捷可用的GUI，方便創建良品學習模型、驗證精度、確認檢測結果。
-
3在現有生產線上輕松導入
無需對現有生產線進行改造，只需設置通用相機和光源，即可采集圖像進行檢測。
東芝自主開發的良品學習方式
通過標準閾值的學習，將優化的良品模型和產品圖像進行比較檢測
從各種良品圖像中統計學習良品的容許閾值，與之不同的將被判定為不良品
為降低誤檢率而采用的優化閾值方法
在容易出現誤檢的區域通過反復學習，以避免在該區域中出現誤檢從而優化良品學習模型的閾值
關聯網站
東芝數字解決方案株式會社 AI圖像檢測軟件介紹（日語）
https://www.global.toshiba/jp/products-solutions/manufacturing-ict/meister-apps/apps-maivp.html
