導入の背景と課題
🍪
不定形食品のカウント困難
形状・サイズにばらつきのある食品は、重量式カウントでは精度が安定せず、光電センサでは重なりに対応できなかった
⏱️
目視カウントの工数
ライン上を流れる食品を検査員が手動でカウント。人件費とヒューマンエラーが課題
📊
数量記録の手作業
カウント結果を手書き記録→Excel入力という二重作業が発生
システム構成
| 項目 | 内容 |
|---|---|
| 検査対象 | 不定形食品（形状・サイズにばらつきあり） |
| 処理内容 | リアルタイム個数カウント、数量データのクラウド/CSV出力 |
| 使用技術 | VLM（物体認識・カウント） |
| カメラ | 上方設置エリアカメラ |
| 処理 | NVIDIA Jetson エッジ処理 |
成果
🎯
99%+ カウント精度
形状のばらつきがある食品でもVLMが安定して認識・計数
⚡
リアルタイム処理
ライン上を流れる食品をリアルタイムでカウント。遅延なし
📋
記録の自動化
カウント結果をクラウドに自動送信。手書き→Excel入力の二重作業を解消
ポイント
従来の画像処理ベースのカウントは、食品同士の重なりや影で精度が落ちる課題がありました。VLMは画像全体の文脈を理解して物体を認識するため、部分的な重なりがあっても安定したカウントが可能です。
ソリューション詳細
多品種外観検査AI｜VLMで学習コストを削減