記事概要

AND
OR
  1. Top >
  2. AIによる外観検査〜鏡面加工された製品の画像取得装置の検討〜 >
記事タイトル
AIによる外観検査〜鏡面加工された製品の画像取得装置の検討〜
発刊年月日
2025年3月　Vol.109　第2号
著者名
白石 洋一
劉 豊瑄
企業・団体名
群馬大学大学院
記事種別
特集資料・講演など
抄録（ABSTRACT）
Appearance inspection of products based on deep learning is becoming practical. Due to the recent rapid improvement in the performance of generative AI, research is underway to generate the required number of images of the required quality and use them for training deep learning. A certain amount of
high-quality actual images is still required to train visual inspection AI and image generation AI, making the issue of image acquisition in visual inspection extremely important. We have developed a prototype image capture device to solve the problem of the surrounding area being reflected in images of products with mirror-finished surfaces. We report the results of an experiment in which images were acquired using this device, and real images and generated images were combined to train deep learning to perform appearance inspection.
図表タイトル

図１ 人工知能研究のブーム Fig.1 Booms of Artificial Intelligence research.
図２ 外観検査に対するCNNの適用 Fig.2 Application of CNN to appearance inspection.
図３ 不良品画像生成のための切り貼り方式 Fig.3 Cut-and-Paste method for defective product image generation.
図４ 表面が鏡面加工されたワークの欠陥画像 Fig.4 Defect images of mirror-finished surface.
図５ 使用可能な照明の種類 Fig.5 Available types of lighting.
図６ ドーム型照明と検査への応用 Fig.6 Dome type lighting and application to inspection.
図７ フラット型照明による画像取得 Fig.7 Image acquisition by flat type lighting.
図８ ドームを使用した撮影装置案 Fig.8 Idea of image acquisition device with dome.
図９ 試作した撮影装置 Fig.9 Prototype imaging device.
図10 植物育成用LEDライト Fig.10 LED Plant Grow Light.
図11 撮影装置のサイズ Fig.11 Dimensions of image acquisition device.
図12 従来撮影装置とドーム型撮影装置による画像の比較 Fig.12 Comparison of images taken with conventional imaging device and dome-type imaging device.
図13 欠陥（黒点）の画像 Fig.13 Image of defect（black spot）.
図14 欠陥の拡大画像 Fig.14 Enlarged images of defect.
図15 欠陥の検出結果 Fig.15 Detection results of defects.
図16 黒点の見落とし例 Fig.16 Examples of overlooking black spots.
表１ 実験のための画像数 Table 1 Number of images for experiments.
表２ テストにおける正解率 Table 2 Test accuracy rates.

キーワード
image acquisition | deep learning | dometype lighting | mirror-finished surface | aritifical intelligence | apperance inspection | 外観検査 | 人工知能 | 鏡面表面 | 画像取得 | ディープラーニング | ドーム型照明

0

ここから先は会員専用です。記事を読むには、
照明学会の会員登録が必要となります。
丸井工文社
PCバナー
スマホバナー