东芝自主开发的良品学习AI图像检测技术
短期内可实现自动化检测并提升检测精度
短期内可实现自动化检测并提升检测精度
东芝AI图像检测技术通过良品学习算法，为生产现场检测工序自动化提供解决方案。
通过东芝自主开发的阈值优化算法，在防止不良品的漏检和降低误检率的同时，实现检测环节的人员精简，并为后疫情时代的新型制造现场模式作出贡献。
❊AI图像检测软件是利用图像进行外观检测，具有“学习功能”和“判定功能” 的软件。
普通AI图像学习方法的劣势 检测装置的劣势
-
需要收集大量良品和不良品的图像数据且学习需要花费较多时间
只需收集少量良品图像即可在短期内快速完成学习
-
创建良品模型和调整精度需要高度专业的技术水平
无需专业技术人员也可轻松实现图像导入和参数设定
-
导入现有生产线程序复杂且维保不便
在现有产线上通过安装摄像头、光源等即可实现导入
普通AI图像学习方法的劣势
-
需要收集大量良品和不良品的图像数据且学习需要花费较多时间
只需收集少量良品图像即可在短期内快速完成学习
-
创建良品模型和调整精度需要高度专业的技术水平
无需专业技术人员也可轻松实现图像导入和参数设定
检测装置的劣势
-
导入现有生产线程序复杂且维保不便
在现有产线上通过安装摄像头、光源等即可实现导入
特长
-
1东芝自主开发的良品学习方式降低误检率
通过自主开发的阈值优化算法，降低误检率和漏检率，确保可靠检测结果。
-
2在操作画面上直观地创建学习模型
提供便捷可用的GUI，方便创建良品学习模型、验证精度、确认检测结果。
-
3在现有生产线上轻松导入
无需对现有生产线进行改造，只需设置通用相机和光源，即可采集图像进行检测。
东芝自主开发的良品学习方式
通过标准阈值的学习，将优化的良品模型和产品图像进行比较检测
从各种良品图像中统计学习良品的容许阈值，与之不同的将被判定为不良品
为降低误检率而采用的优化阈值方法
在容易出现误检的区域通过反复学习，以避免在该区域中出现误检从而优化良品学习模型的阈值
关联网站
东芝数字解决方案株式会社 AI图像检测软件介绍（日语）
https://www.global.toshiba/jp/products-solutions/manufacturing-ict/meister-apps/apps-maivp.html
