Tweet

■ 幅広いマーケットで導入事例続々

HALCON Progress Editionがリリースされて三ヶ月が経ち、多くの案件で活用が始まっています。本稿では、いくつかのマーケットにおけるディープラーニング活用事例を紹介します。

■ ディープラーニングトレーニング、開催決定！

要望の高かった、HALCONディープラーニングトレーニングの開催が決定しました。GPU搭載PCを用いて、プログラム構築手順や、パラメータ設定のノウハウを、実際にプログラムを動かしながら解説致します。また、ディープラーニング活用事例や市場動向についても紹介します。
是非、御参加ご検討ください。

日時：3月27日（火） 13：30～、4月24日（火） 13:30～、以降、不定期開催
場所：リンクス(横浜市青葉区)
費用：無料
お申込み：http://linx.jp/event/training/halcon_deeplearning.html

■ 液晶パネル外観検査

デジタルカメラなどに使用される液晶ディスプレイを作成している大手電機メーカーX社では、ルールベース画像処理による検査工程の自動化が進められています。しかし、高い出荷品質が求められるため、画像処理設定も厳しくなっており、良品を不良品と判断するオーバーキルが多発し、歩留まりを下げているという課題があります。そこで、従来のルールベース画像処理に、HALCONディープラーニングによる検査を組み合わせることで、出荷品質を維持しつつ、オーバーキルの確率を下げる取組みが進められています。
HALCONディープラーニングは、1クラス当たり100枚程度の画像でトレーニングすることで機能しますが、そのクラスを表す適切な画像が多ければ多いほど、分類性能は向上します。
今回は約10,000枚の画像を準備し、7,000枚でトレーニングを行い、3,000枚の画像に対して検証を行いました。この例では、100%の精度で良否判定できています。

■ 自動車金属部品外観検査

鋳物などの自動車部品検査は、形状が複雑なこともあって、照明条件との兼ね合いなどから、ルールが非常に複雑になります。大手自動車部品メーカA社では、ディープラーニングを導入することで、ルールベースでは検出することが困難な鋳肌の乱れ、バリ、穴の中や壁面のはがれなどを、官能検査に近い形で検出することに取り組んでいます。HALCONディープラーニングを用いることで、画像処理知識を持たない部門でも、継続的な検査性能向上が可能となることを期待されています。

■ 食品外観検査装置

例えば麺類や菓子など、工業用部品のように決まった形をしていないものは、検査内容を定量化しにくいことがあります。検査装置メーカF社は、HALCONを用いた多くの食品検査装置開発の実績を持っていますが、それでも検査が困難な対象があることを良くご存知です。現在、これまでルールベースでの画像処理検査が困難であった対象物の検査にディープラーニングを適用し、その精度を検証中です。定量化が困難な不定形物検査には、ディープラーニングがその力を発揮します。

■ 採血管検査システム

実ニーズに基づきリンクスで準備した、採血管のキャップの状態を「良」「不良：めくれ」「不良：折れ」の3つの状態に分類するデモ機のムービーをご紹介します。高速に、高い精度で分類が行われているのをご確認いただけます。HALCONのディープラーニング分類は、GPUを用いることで約1msec-5msec程度で分類が可能です。また、今年の5月に追加されるProgress Editionの新機能として、CPUだけでディープラーニング分類が行えるようになります。その処理時間は、GPUの約1.5倍程度を見込んでいます。

お見積依頼や問い合わせは、sales_halcon@linx.jp、または045-979-0731でHALCON営業担当までいつでもご連絡ください。また、お客様からいただくことの多い質問と回答をまとめた特設ページを準備しました。こちらも合わせてご参照ください。