大規模な投資や既存システムの入れ替えは不要。今の現場を前提に、小さく始められるAI外観検査を提供します。元キーエンス画像処理部門出身の技術チームが、ルールベース・従来AI・VLMのハイブリッド構成で設計します。
不良品サンプルが集まらない問題を根本解決。VLMによるNG画像生成・オートアノテーション・ブラウザベース学習UIで、従来は自動化が割に合わなかった多品種ラインを自動化できます。
照明条件の最適化、カメラ配置、検査フローまでトータルに設計。ハード×ソフト×検査ノウハウの三位一体で、現場で本当に動くシステムを構築します。
サンプル画像による無料検証は数日で完了。PoCは最短2週間で開始可能。「続ける・広げる」の判断が感覚ではなくデータに基づいてできます。
多品種・少量生産・低不良率のラインで、従来の自動化アプローチが破綻する6つの典型パターン。
ルールベースでは品種ごとにパラメータ調整が必要。多品種ラインでは設定だけで1日が終わる現場も。
Deep Learningには大量の不良品画像が必要。不良率が低い製品では学習データが足りない。
検査員の経験・体調で判定が変わる。30分以上の連続検査で見逃し率が増加することが知られています。
賞味期限・ロット番号の照合を個別開発で進めると、初期費用だけで数千万円規模になることも。
品種ごとにカスタムAIを開発すると初期費用が膨大。少量生産品では投資回収が見込めない。
熟練検査員の退職、採用難、教育コスト。人手に依存した検査体制の維持が困難に。
ルールベース＋従来AI＋VLMのハイブリッド構成と、元キーエンスの照明設計・カメラ配置・検査フロー設計のノウハウ。現場で本当に使える検査パッケージ。
VLMの活用により、学習データの準備にかかる工数を大幅に削減。不良品サンプルが集まらない問題を根本解決。
現場オペレーターがブラウザ上で直感的にAIモデルの学習・調整が可能。VLMがNG画像生成と自動アノテーションで学習コストを削減。
元キーエンスの知見を活かし、照明条件の最適化、カメラ配置、検査フローまでトータルに設計。ハード×ソフト×検査ノウハウの三位一体。
標準的な導入実績・ベンチマーク値で提示しています。実際の精度・効果は検査対象や運用条件により変動します。