VLM × AI Solution
多品種外観検査を
VLM×AIで変える
ルールベース×AI×VLM（Vision Language Model）のハイブリッド検査で、
多品種外観検査からラベル文字認識・照合まで自動化。
元キーエンス技術者が照明・カメラ・検査フローまで一体設計。
Scroll
ルールベース×AI×VLM（Vision Language Model）のハイブリッド検査で、
多品種外観検査からラベル文字認識・照合まで自動化。
元キーエンス技術者が照明・カメラ・検査フローまで一体設計。
大規模な投資や既存システムの入れ替えは不要。今の現場を前提に、小さく始められるAI外観検査です。
不良品サンプルが集まらない問題を根本解決。VLMによるNG画像生成・オートアノテーション・ブラウザベース学習UIで、従来自動化が割に合わなかった多品種検査を自動化します。
照明条件の最適化、カメラ配置、検査フローまでトータルに設計。ハード×ソフト×検査ノウハウの三位一体で、現場で使えるシステムを構築。
サンプル画像による無料検証は数日で完了。PoCは最短2週間で開始可能。続ける・広げるの判断がデータに基づいてできます。
ルールベースでは品種ごとにパラメータ調整が必要。多品種ラインでは設定だけで1日が終わる。
Deep Learningには大量の不良品画像が必要。不良率が低い製品では学習データが足りない。
検査員の経験・体調で判定が変わる。30分以上の連続検査で見逃し率が約20%増加。
賞味期限やロット番号の照合を大手SIに依頼すると初期費用だけで約3,000万円。コストが合わず導入を断念。
品種ごとにカスタムAIを開発すると初期費用が膨大。少量生産品では投資回収が見込めない。
熟練検査員の退職、採用難、教育コスト。人手に依存した検査体制の維持が困難に。
ルールベース＋従来AI＋VLMのハイブリッド構成と、元キーエンスの照明設計・カメラ配置・検査フロー設計のノウハウ。現場で本当に使える検査パッケージ。
VLMの活用により、学習データの準備にかかる工数を大幅に削減。不良品サンプルが集まらない問題を根本解決。
現場オペレーターがブラウザ上で直感的にAIモデルの学習・調整が可能。VLMがNG画像生成と自動アノテーションで学習コストを削減。
元キーエンスの知見を活かし、照明条件の最適化、カメラ配置、検査フローまでトータルに設計。ハード×ソフト×検査ノウハウの三位一体。
外観検査の自動化から、ラベル文字認識、設備稼働の可視化、製造業向けAI研修まで。
ルールベース＋従来AI＋VLMのハイブリッド構成で、画像検査からラベル文字認識・照合まで自動化。ソフトウェアだけでなく、検査装置（カメラ・照明・搬送）の一体設計・提供にも対応。既存ラインへの後付けも可能。
AIカメラで製品を検知し、個数データなどをクラウドへ。PLC接続にも対応。ライン稼働率のリアルタイム可視化を実現。
光学×AI×エッジ実装で解決する実践型プログラム。データ収集からJetson/TensorRT実装、PLC連携まで一気通貫。
小さく試して、効果を見ながら広げていきます。
検査対象と課題をヒアリング。サンプル画像で検査精度を無料評価しレポートで報告。
カメラ・照明・検査フロー・KPIを整理したPoC設計書を作成。最適な検査方式を判断。
実際の生産ラインで実証実験。精度・速度を実環境で検証し、改善ポイントを洗い出し。
照明・カメラ設計から運用定着まで一貫サポート。効果が確認できたパターンを段階的に拡大。
| 比較項目 | ルールベース | Deep Learning | Nsight ハイブリッド |
|---|---|---|---|
| 多品種対応 | ✕ 品種ごとに設定 | △ 品種ごとに学習 | ◎ NG画像生成・オートアノテーション |
| 学習データ | 不要 | 大量に必要 | VLMで効率化 |
| 学習の手間 | △ パラメータ調整 | ✕ アノテーション工数大 | ◎ ブラウザベースの学習UI |
| 文字認識・照合 | ✕ 対応困難 | △ 個別開発が必要 | ◎ VLMでラベル検査 |
| 運用コスト | △ メンテナンス大 | △ 再学習コスト | ◎ 低コスト運用 |
化粧品・鉄鋼・食品・自動車部品・物流など、多品種外観検査からラベル文字認識まで幅広い業界で支援。
鉄鋼
表面欠陥と寸法をAI-OCRと画像検査を組み合わせて自動判定。多品種の電極を1つのシステムで検査。
化粧品
多品種ラインでラベルの文字・バーコード・デザインの正誤を自動判定。VLMが学習なしで文字の位置と意味を理解し、マスターデータと照合。
食品
形状のばらつきがある食品でもVLMで安定した計数を実現。99%+のカウント精度。
製造装置
産業機器のスクリーンにおけるキズ・変色・異物を自動検出。微細な損傷も見逃さない高解像度撮像。
物流
山積みの資材も高精度に計数し、入出庫管理を効率化。作業時間を80%削減。
自動車部品
キズを5カテゴリに分類判定するAI検査。従来の二値判定から精密な欠陥分類を実現。
学習データ・推論速度・多品種対応・コスト構造の違いを比較。
40件以上の現場で繰り返し見てきた失敗パターンと対策。
費用構造、3手法コスト比較、ROI計算方法。
なぜ進まないのか、VLMで何が変わるか。
目視検査が破綻する5つのパターンと最小コストの改善策。
化粧品・鉄鋼・食品の成功経緯とVLMの活用法。
メーカー側とユーザー側の両経験から比較。
投資を回収した工場が共通して行った3つのこと。
削っていい費用と削ってはいけない費用。
同軸落射・ローアングル・暗視野・バックライト・パターン投影。
クラウドvsエッジ、TensorRT最適化、現場運用ノウハウ。
従来OCRとVLMの違い、コスト比較、精度条件。
NG画像生成、オートアノテーション、ブラウザベース学習UI。
トリガ・判定信号・排出制御・通信プロトコル。
高温環境・スケール・大型ワークへの対応。
異物・シール不良・印字検証。
成功率を上げる5つのポイント。
品種数に比例してコストが膨張する構造と解決策。
多面検査が困難な理由とガラス式装置による解決。
NG画像生成・オートアノテーションで学習データ不足を解決。
品種数、タクトタイム、不良パターン、照明条件など。
ブラウザベース学習UIとVLMで切替工数を大幅削減。
検査対象のサンプル画像をお送りください。最適な検査方式の提案と想定精度を無料で評価します。
