ビジョンシステムは見たものからどのように判断を下すのか？
ルールベースのマシンビジョンは今なお普及しているテクノロジですが、AIを活用するさまざまなタイプの機械学習は、多くのアプリケーションで取って代わるのに十分な能力と柔軟性を備えています。
多くの場合、ルールベースとAI支援型の機械学習を組み合わせることで、最も効率的なソリューションを提供できます。
ルールベースのシステム
従来のルールベースのマシンビジョンでは、特定のif-thenルールを使用して、画像に関する判断を下します。「ボトルが最低限、このレベルまで満たされていれば合格」 ルールは、望ましい成果を得るための最善の手法の組み合わせについて深く理解しているビジョンエンジニアによってプログラムされています。
このようなルールは、明暗領域間のエッジの検出や2点間の距離の計測など、特定のジョブを処理するプログラムを作成するために使用されます。
これらのルールをさらに、「ツールチェーン」と呼ばれる形で画像に次々と使用すると、幅広い高度なタスクを実行できます。また、予測可能で一貫性のある製品や部品に対する高速、高精度の検査にも非常に優れています。
ディープラーニング
ディープラーニングはAIでマシンビジョンシステムを支援し、ソフトウェア自体が区別できるようになるまで、ラベル付き画像のサンプルでソフトウェアに学習させます。
このトレーニングは人間の学習方法を模倣し、システムが無関係なばらつきに惑わされることなく、正確に判断する方法を学習できるように支援します。
オペレータは、製造された部品で生じる可能性のあるさまざまな欠陥、または分類する必要がある数種類のアセンブリなど、数百のラベル付き画像でディープラーニングシステムに学習させます。
ルールベースのシステムに対する重要な改善の1つは、ディープラーニングシステムが幅広い実際の欠陥と単なる表面的なばらつきの区別を学習することです。ルールベースのプログラミングを使用した場合に、達成するのに時間がかかるか、またはまったく不可能なものを含め、可能性のあるあらゆる結果を示す必要がなくなります。
ディープラーニングシステムの場合、ルールベースのシステムとは対照的に、経験豊富なマシンビジョンプログラマーや専門知識を準備する必要はありません。必要なのは、欠陥のある部品と良好な部品の両方で数百枚の画像を提供してくれる、検査対象の製品に精通した人物です。
ディープラーニングはアセンブリの検証、欠陥検出、および予測不可能な変化を伴う複雑な部品の分類に優れています。また、部品が反射したり、画像が歪んだりしていても、正確な結果が得られる点でも優れています。
エッジラーニング
エッジラーニングは、産業オートメーションのニーズを満たすように最適化された、別のタイプのAIです。産業オートメーションが通常直面するタイプの問題を解決できるように、事前学習が完了しています。
事前学習の結果、エッジラーニングシステムは、わずか5つの画像で特定の産業検査問題について学習することができ、ディープラーニングシステムよりもさらに容易かつ迅速に導入できます。
エッジラーニングにより、ラインエンジニアは専門的なトレーニングを受けることなく、ライン上で最適化された分類機能または欠陥検出機能を迅速に実装できます。高度なプロセッサが不要なため、必要な場所で迅速に導入できます。
エッジラーニングの利点はスピード、コンピューティングリソースへの依存度の低さ、柔軟性、さらに使いやすさです。