短期での立上げと高精度を同時に実現する
革新的な外観検査ソフトウェア
Preferred Networks(PFN)が提供するPreferred Networks Visual Inspectionは、深層学習により、高い精度と柔軟性を低コストで実現する外観検査ソフトウェアです。 従来の深層学習検査ソフトウェアが抱える、大量の学習データの収集、アノテーションの手間、モデル構築の難しさといった問題を解決し、より少ない学習データに対する簡易なアノテーションによって、高精度の検査を実現します。それにより、短期間・低コストでの検査システム構築が可能になります。
製品の特長
PFN 独自の深層学習モデル
PFN 独自の優れた深層学習モデルにより、少ないデータでの高精度検査を実現します。
わずか100画像から学習可能
学習データが数万、数十万必要だった従来手法に比べ、良品100サンプル、不良品20サンプルといった少量の学習データから学習可能です。
アノテーションを簡易化
用意した製品画像に対して、「良品(good）」「不良品（bad）」といった分類を画像単位で行うだけで学習可能です。不良の位置を教示する必要はありません。
不良箇所を可視化
不良箇所をヒートマップで可視化することで、検査結果に対する説明性を向上させています。
GUIによる直感的な操作
画像の登録からモデルの学習、精度比較までを一気通貫で管理できるGUI学習ツールにより、直感的に高精度のモデルを構築できます。
柔軟・迅速なシステム立上げ
検査システム構築に必要となる推論ライブラリを提供します。学習からシステム導入までをシームレスにつなぎ、迅速なシステム立上げを実現します。
ユースケース
金属部品
金属部品の微細な傷や欠けを検知します。
布・繊維
布・繊維の持つ複雑な模様を学習により認識し、模様上にある汚れやほつれを検知します
食品
柔軟な学習モデルにより、食品の個体差に左右されることなく傷や傷みを検知します。
開発環境使用手順
検知デモ
検知対象：カーペット
不良の種類：シミなどの汚れ
学習枚数（良品）：80
学習枚数（不良品）：40
検知対象：金属部品
不良の種類：傷
学習枚数（良品）：50
学習枚数（不良品）：50