目視検査の課題
目視検査において、このようなことがないでしょうか。
検査員のスキルのばらつきによる歩留まり低下
「検査員のスキルの違いによる歩留まりの低下」については、熟練の検査員と新人の検査員では、同じ製品を検査していても発見できる不良のレベルに差が生じたり、検査にかかる時間に差が生まれることがあります。その結果、生産ラインを一時的に停止したり、生産速度を落とさなければならないリスクが発生する可能性があります。
限度見本による判定のばらつきによる不良品流出の発生
「限度見本を使った判定におけるばらつきによる不良品の流出」では、同じ限度見本を用いた検査であっても、検査する人によって見え方が異なるため、検出できる不良のレベルにばらつきが出てしまいます。特に光の角度によって不良が見えたり見えなかったりする場合、このばらつきが大きな影響を及ぼし、不良品が流出してしまうリスクが高まります。
同じ検査員でも、疲労等で欠陥を見逃してしまう
「同じ検査員でも疲労によって欠陥を見逃してしまう」ことに関しては、長時間にわたる検査で目や体に疲労が蓄積し、朝のうちには見つけられた不良が、夕方頃には見逃されることがあるという問題が発生します。
このように、様々な原因で検査基準のバラつきが発生しています。
目視検査の課題解決法
これらはすべて、AIを用いた検査業務の自動化によって解決可能です
外観検査AIとは：画像認識系AIの一種
画像認識系AIは画像から特定の特徴を抽出し学習する手法です。これらを検査に応用すると、傷等の不良の特徴を抽出して学習（不良品学習）したり、良品だけを用いて良品の特徴を抽出し学習（良品学習）することで、検品を自動化することができます。
傷のある画像に「傷」というラベルを付けて学習データとして提供することで、AIは自動的に傷の特徴を学び、傷があるかどうかを検出できるようになります。この手法が、不良品検出に用いられる「不良品学習」です。
一方で、良品の画像に「良品」というラベルを付けて学習データとして使用すると、AIは良品の特徴を学習し、画像が良品かどうかを判定できるようになります。このアプローチが、いわゆる「良品学習」と呼ばれる手法です。
