教師なし学習（良品学習）を用いた外観検査の特徴と手法

外観検査AIとは

外観検査AIとは品質保証のために製品の外観の自動検査をAIで行うことを言います。AIを用いた検査は、従来の画像処理の専門性を必要とせず、画像処理専門家よりも高精度な検出ができるケースが出てきたため、外観検査の領域でも普及を加速させています。

外観検査AIには以下の種類があります。

教師あり学習とは、学習データに人間が正解ラベルをつけて学習させる方法です。画像上で作業員が欠陥か否かのラベルをつけて教えることで、その後は自動で不良を検出してくれます。

つまり、検査には大量の学習データを準備しないといけないため、沢山の労力が必要となります。

教師なし学習では、不良品のデータを使わず良品データのみで学習させます。覚えた良品からの乖離を見ることで、不良品か否かの判断をAIが行います。

外観検査AIが登場した当初は教師あり学習の手法が主流でしたが、欠陥を学習させるには、数千、数万の欠陥画像を要し、そもそも不良率が低い現場において欠陥画像の収集が困難であり、さらにこれを検査対象ごとに実施するのが困難でした。

また、学習していない欠陥は検出できないので、新しい不良モードが出現したら検出ができません。

一方で、良品は大量に集めることができるので、この手法が近年注目されています。

教師なし学習のアルゴリズムは以下のような手法があります。

弊社は上記の手法について以下の条件で評価を行いました。

それぞれの手法の結果は以下になります。

今回の評価では、PatchCoreの手法は最も有力な手法という結果に至っています。