このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
自動外観検査
自動外観検査 (AVI) は、製造された製品の欠陥を検出および分類するために使用される一連の手法です。最新の外観検査では、品質保証プロセスの支援や改善のために機械学習および深層学習アルゴリズムが使用されています。
カスタム欠陥検出では、与えられたイメージ内の欠陥の位置を正確に特定し、欠陥カテゴリを分類しなければなりません。一般に、最新の You Only Look Once (YOLO) アルゴリズムなど、最先端の教師あり深層学習モデルを使用して、さまざまなサイズの欠陥を検出できます。優れた性能のモデルは、リアルタイムで欠陥を特徴付けて特定します。
異常検出に関連した深層学習手法を使用することで、製造された製品のイメージが正常か異常かを判定できます。さらに、異常位置推定を使用して、正確で解釈可能な結果を生成できます。この手法では、異常マップを使用して欠陥を可視化できます。
外観検査タスクを自動化するためにどの検出モデルを選択するかは、いくつかの要因によって決定します。これらの要因には、正常および異常なサンプルとして利用できる学習データの量、認識する異常なクラスの数、および予測の把握とモニタリングに必要な位置推定情報のタイプが含まれます。詳細については、Getting Started with Anomaly Detection Using Deep Learningを参照してください。
自動外観検査を実行するには、アドオン エクスプローラーから Automated Visual Inspection Library for Computer Vision Toolbox™ をダウンロードします。アドオンのダウンロードの詳細については、アドオンの入手と管理を参照してください。一部の機能には Deep Learning Toolbox™ も必要です。
関数
トピック
- Getting Started with Anomaly Detection Using Deep Learning
Anomaly detection using deep learning is an increasingly popular approach to automating visual inspection tasks.
- オブジェクト検出のための YOLOX 入門
YOLOX オブジェクト検出器を使用して小さなオブジェクトを高いパフォーマンスで検出する。
注目の例
Count Objects Using CounTR Model
Demonstrates few-shot object counting using the Counting Transformer (CounTR) model, which counts objects in an image by identifying a few exemplars without additional training.
Perform Metrology Edge Measurements and Alignment
Perform distance measurements of fill lines in soda bottles using a caliper tool, and develop a classification model for normal and anomalous fill line images.
Detect Small Objects Using Tiled Training of YOLOX Network
Detect small objects in full-resolution images using tiled training of a you only look once version X (YOLOX) deep learning network.
Detect Defects Using Tiled Training of EfficientAD Anomaly Detector
Detect and localize defects on anomalous chewing gum images by training an EfficientAD anomaly detection network on tiled normal images.
YOLOX ネットワークを使用したプリント基板の欠陥の検出
You Only Look Once version X (YOLOX) 深層学習ネットワークを使用して、プリント回路基板 (PCB) の欠陥を検出、位置特定、および分類する。
Identify Defects in Air Compressors Using Spectrogram Images
Detect and localize defects in acoustic recordings of air compressors using Mel spectrogram images and an EfficientAD anomaly detector.
Localize Industrial Defects Using PatchCore Anomaly Detector
Perform localization of anomalous defects in printed circuit boards (PCBs) using anomaly heat maps generated with the PatchCore anomaly detector.
Classify Defects on Wafer Maps Using Deep Learning
Classify manufacturing defects on wafer maps using a simple convolutional neural network (CNN).
Detect Anomalies in Pills During Live Image Acquisition
Detect anomalies in pills during live image acquisition.
説明可能 FCDD ネットワークを使用したイメージ異常の検出
異常検出器を使用して、正常な錠剤と異常な欠けや汚れのある錠剤を区別する。
Detect Image Anomalies Using Pretrained ResNet-18 Feature Embeddings
Train a similarity-based anomaly detector using one-class learning of feature embeddings extracted from a pretrained ResNet-18 convolutional neural network.
