短期での立ち上げと高精度を
同時に実現する革新的な
外観検査ソフトウェア
Visual Inspection

Preferred Networks (PFN) 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。

より詳しく知る

1

PFN 独自の

深層学習モデル

2

わずか 100 画像

から学習可能

3

アノテーション

を簡易化

4

不良箇所を

可視化

5

GUI による

直感的な操作

6

柔軟・迅速な

システム立ち上げ

ユースケース

金属部品

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

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

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。

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

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。

少ないデータで学習可能

少ない学習データで高精度

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。

詳細なアノテーションが不要

詳細なアノテーションが不要

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 による直感的な学習が可能

拡大

GUI ツールによる直感的な操作が可能

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・迅速なシステム立ち上げ

推論ライブラリの提供により柔軟・迅速なシステム立ち上げ

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、迅速なシステム立ち上げを実現します。

まずはお気軽にお問い合わせください。

お問い合わせ

検知デモ

検知対象 カーペット
不良の種類 シミなどのよごれ
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
学習枚数(良品) 50
学習枚数(不良品) 50

パートナー企業

News

2019/01/09

日経ものづくり 2019年1月号に掲載されました
書籍の紹介ページ

2018/10/12

日経 xTECH/日経ものづくりで紹介されました
精度100%の外観検査AI、キモは撮影テクとすり合わせ(3ページ目)

2018/12/12

SEMICON Japan 2018 でデモ展示を実施しました
SEMICON Japan 2018 - Preferred Networks

運営会社について

IoT にフォーカスした深層学習技術のビジネス活用を目的に、2014 年 3 月に創業。
デバイスが生み出す膨大なデータを、ネットワークのエッジで分散協調的に処理する「エッジヘビーコンピューティング」を提唱し、 交通システム、製造業、バイオ・ヘルスケアの3 つの重点事業領域を中心に、様々な分野でイノベーションの実現を目指しています。
オープンソースの深層学習フレームワーク Chainer (チェイナー) の開発・提供をはじめ、 トヨタ自動車株式会社、ファナック株式会社、国立がん研究センターなどの世界をリードする組織と協業し、先進的な取り組みを推進しています。

ウェブサイトへ