SEOに関連するニュースリリースを公開しております。
最新のサービス情報を、御社のプロモーション・マーケティング戦略の新たな選択肢としてご活用下さい。
AI・ディープラーニングを用いた検査自動化ソフトウェア「SDTest」をオープンソースでリリース
[19/08/08]
提供元：PRTIMES
提供元：PRTIMES
〜検査ワーク1個あたり60ms以下のタクトタイムで0.01mmの欠陥を自動検出〜
株式会社RUTILEA (本社: 東京都港区、開発拠点: 京都府京都市) は、AI・ディープラーニングを用いた外観検査ソフトウェア「SDTest」をオープンソースで開発・リリースしました。SDTestは製造ラインの外観検査自動化において難しいとされていた技術面と費用面の課題を両面から解決しました。技術面では、ディープラーニングによるアプローチを適用することで、光沢のある金属部品や傷が見えにくい黒色系部品、精密な半導体部品の欠陥を100%検出する精度、また費用面では、オープンソースにすることで、これまで導入の障壁となっていた導入コスト、開発費用を抑えることを可能にしました。
[画像1: https://prtimes.jp/i/47548/2/resize/d47548-2-989061-20.png ]
検査精度と活用法
SDTestは検査ワーク1個あたり60ms以下のタクトタイムで0.01mmまでの欠陥を自動で検出します。従来検出が難しいとされていた光沢有の金属部品 (検出例1) や黒色系部品 (検出例2) 、精密な半導体部品 (検出例3) など様々なワークに対応しています。市販のカメラと接続して使用 (図1) 、既存の検査装置・機器に組込と柔軟に活用いただけます。
(図1)
[画像2: https://prtimes.jp/i/47548/2/resize/d47548-2-888762-6.jpg ]
(検出例1)
検査ワーク: 直径25mmワッシャー 素材: アルミ 欠陥: 傷 欠陥の大きさ: W4.0mm×H0.2mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像3: https://prtimes.jp/i/47548/2/resize/d47548-2-739123-0.png ]
学習により作成したAIの性能評価グラフと分布
[画像4: https://prtimes.jp/i/47548/2/resize/d47548-2-959748-1.jpg ]
検品結果
[画像5: https://prtimes.jp/i/47548/2/resize/d47548-2-610199-15.png ]
HP動画リンク: https://youtu.be/uY1C-nXlaSE
[動画1: https://www.youtube.com/watch?v=uY1C-nXlaSE ]
(検出例2)
検査ワーク: 直径20mmリング 素材: ゴム 欠陥: 傷 欠陥の大きさ: W5.5mm×H0.08mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像6: https://prtimes.jp/i/47548/2/resize/d47548-2-381885-7.png ]
学習により作成したAIの性能評価グラフと分布
[画像7: https://prtimes.jp/i/47548/2/resize/d47548-2-298101-8.jpg ]
検品結果
[画像8: https://prtimes.jp/i/47548/2/resize/d47548-2-732002-16.png ]
HP動画リンク: https://youtu.be/NOW-6AxvaEM
[動画2: https://www.youtube.com/watch?v=NOW-6AxvaEM ]
(検出例3)
検査ワーク: 横幅10mmSOPピッチ変換基板 素材: ガラスエポキシ 欠陥: 傷 欠陥の大きさ: W0.5mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像9: https://prtimes.jp/i/47548/2/resize/d47548-2-420574-11.png ]
学習により作成したAIの性能評価グラフと分布
[画像10: https://prtimes.jp/i/47548/2/resize/d47548-2-936680-12.jpg ]
検品結果
[画像11: https://prtimes.jp/i/47548/2/resize/d47548-2-260255-17.png ]
HP動画リンク: https://youtu.be/ETrPCskUumc
[動画3: https://www.youtube.com/watch?v=ETrPCskUumc ]
導入コスト
オープンソース版は無料で使用可能です。装置・機器にカスタマイズして組み込む場合でも、初期導入費を100万円程度に圧縮することが可能になりました。
通常の検査装置のソフトウェア開発プロジェクトは期間半年、費用1,500万円程度と高額な投資になることが多いです。それにも関わらず検査を自動化できることが保証されていなかったり、ハードウェアについてもソフトウェアとパッケージで販売されており既存のソフトウェアの交換をすることができません。これらが外観検査の自動化の大きな妨げになっていると認識しております。本ソフトウェアは、この問題をオープンソースを活用することにより既存のハードウェアに制約されることなく導入できるため、コスト的に導入が難しかった中小製造業様でも導入することができ、検査基準のバラつきによる品質問題や検査人員不足等の課題解決に役立てることを期待しています。
[画像12: https://prtimes.jp/i/47548/2/resize/d47548-2-190254-19.png ]
RUTILEAについて
・当社は最も高性能な製品をオープンソースで実現することをビジョンにしております。
・京都大学、東京大学出身のエンジニア (常勤・非常勤合わせて約30名) が開発に参加しており、この人材リソースを活用していただけます。
・調査依頼・ビジネス開発など幅広くご相談に乗ることができます。
・ディープラーニングを活用したAI実装に向けた企業研修・人材育成講座等も開催しております。
会社概要
商号: 株式会社RUTILEA (ルティリア)
代表者: 矢野 貴文
本社所在地: 〒105-0014 東京都港区芝3丁目6-10 芝NAビル6階
開発拠点所在地: 〒602-0841 京都府京都市上京区梶井町446 リアップ2階
ホームページURL: https://www.rutilea.com/
お問い合わせ先: contact@rutilea.com (担当者: 志岐/平塚)
株式会社RUTILEA (本社: 東京都港区、開発拠点: 京都府京都市) は、AI・ディープラーニングを用いた外観検査ソフトウェア「SDTest」をオープンソースで開発・リリースしました。SDTestは製造ラインの外観検査自動化において難しいとされていた技術面と費用面の課題を両面から解決しました。技術面では、ディープラーニングによるアプローチを適用することで、光沢のある金属部品や傷が見えにくい黒色系部品、精密な半導体部品の欠陥を100%検出する精度、また費用面では、オープンソースにすることで、これまで導入の障壁となっていた導入コスト、開発費用を抑えることを可能にしました。
[画像1: https://prtimes.jp/i/47548/2/resize/d47548-2-989061-20.png ]
検査精度と活用法
SDTestは検査ワーク1個あたり60ms以下のタクトタイムで0.01mmまでの欠陥を自動で検出します。従来検出が難しいとされていた光沢有の金属部品 (検出例1) や黒色系部品 (検出例2) 、精密な半導体部品 (検出例3) など様々なワークに対応しています。市販のカメラと接続して使用 (図1) 、既存の検査装置・機器に組込と柔軟に活用いただけます。
(図1)
[画像2: https://prtimes.jp/i/47548/2/resize/d47548-2-888762-6.jpg ]
(検出例1)
検査ワーク: 直径25mmワッシャー 素材: アルミ 欠陥: 傷 欠陥の大きさ: W4.0mm×H0.2mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像3: https://prtimes.jp/i/47548/2/resize/d47548-2-739123-0.png ]
学習により作成したAIの性能評価グラフと分布
[画像4: https://prtimes.jp/i/47548/2/resize/d47548-2-959748-1.jpg ]
検品結果
[画像5: https://prtimes.jp/i/47548/2/resize/d47548-2-610199-15.png ]
HP動画リンク: https://youtu.be/uY1C-nXlaSE
[動画1: https://www.youtube.com/watch?v=uY1C-nXlaSE ]
(検出例2)
検査ワーク: 直径20mmリング 素材: ゴム 欠陥: 傷 欠陥の大きさ: W5.5mm×H0.08mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像6: https://prtimes.jp/i/47548/2/resize/d47548-2-381885-7.png ]
学習により作成したAIの性能評価グラフと分布
[画像7: https://prtimes.jp/i/47548/2/resize/d47548-2-298101-8.jpg ]
検品結果
[画像8: https://prtimes.jp/i/47548/2/resize/d47548-2-732002-16.png ]
HP動画リンク: https://youtu.be/NOW-6AxvaEM
[動画2: https://www.youtube.com/watch?v=NOW-6AxvaEM ]
(検出例3)
検査ワーク: 横幅10mmSOPピッチ変換基板 素材: ガラスエポキシ 欠陥: 傷 欠陥の大きさ: W0.5mm
使用した良品サンプル: 1点 使用した不良品サンプル: 1点
学習良品画像: 100枚 良品画像: 30枚 不良品画像: 30枚
[画像9: https://prtimes.jp/i/47548/2/resize/d47548-2-420574-11.png ]
学習により作成したAIの性能評価グラフと分布
[画像10: https://prtimes.jp/i/47548/2/resize/d47548-2-936680-12.jpg ]
検品結果
[画像11: https://prtimes.jp/i/47548/2/resize/d47548-2-260255-17.png ]
HP動画リンク: https://youtu.be/ETrPCskUumc
[動画3: https://www.youtube.com/watch?v=ETrPCskUumc ]
導入コスト
オープンソース版は無料で使用可能です。装置・機器にカスタマイズして組み込む場合でも、初期導入費を100万円程度に圧縮することが可能になりました。
通常の検査装置のソフトウェア開発プロジェクトは期間半年、費用1,500万円程度と高額な投資になることが多いです。それにも関わらず検査を自動化できることが保証されていなかったり、ハードウェアについてもソフトウェアとパッケージで販売されており既存のソフトウェアの交換をすることができません。これらが外観検査の自動化の大きな妨げになっていると認識しております。本ソフトウェアは、この問題をオープンソースを活用することにより既存のハードウェアに制約されることなく導入できるため、コスト的に導入が難しかった中小製造業様でも導入することができ、検査基準のバラつきによる品質問題や検査人員不足等の課題解決に役立てることを期待しています。
[画像12: https://prtimes.jp/i/47548/2/resize/d47548-2-190254-19.png ]
RUTILEAについて
・当社は最も高性能な製品をオープンソースで実現することをビジョンにしております。
・京都大学、東京大学出身のエンジニア (常勤・非常勤合わせて約30名) が開発に参加しており、この人材リソースを活用していただけます。
・調査依頼・ビジネス開発など幅広くご相談に乗ることができます。
・ディープラーニングを活用したAI実装に向けた企業研修・人材育成講座等も開催しております。
会社概要
商号: 株式会社RUTILEA (ルティリア)
代表者: 矢野 貴文
本社所在地: 〒105-0014 東京都港区芝3丁目6-10 芝NAビル6階
開発拠点所在地: 〒602-0841 京都府京都市上京区梶井町446 リアップ2階
ホームページURL: https://www.rutilea.com/
お問い合わせ先: contact@rutilea.com (担当者: 志岐/平塚)
SEO関連
