技術は人でできている。

欠損を見つける技術

3つの「画像検査技術」で曲面・光沢、加工痕、透明体などの検査しにくい対象物も可能に。微細な欠損も見逃しません。

1. 曲面・鏡面にある欠損

対象物：光沢がありハレーションの強い曲面、球面のある小型部品など（10センチ程度まで）

曲鏡面で構成される部品は光が反射するため欠損を見つけるのは難しく、人間の目でも角度を変えて何度も観察しないと見つけられません。また、映りこんだ影と欠損を区別することも難しいです。当社では特定の光パターンを検査対象物に反射させその変形具合を画像解析することで欠損を検出する方法を開発しました。これにより数十マイクロメートルの浅い欠損でも、角度を変えて何度も観察する手間をかけずに安定した検出ができます。

2. 加工痕と同化してしまう欠損

対象物：数十μ単位の精密切削加工した小型部品など。（10cm以下）

例えば切削加工部品など表面に加工痕のあるものに有る数十マイクロメートルの欠損は、加工痕と同化してしまい見つけることは簡単ではありません。当社では、画像を周波数解析する事により加工痕と欠損を区別し数十マイクロメートルの巣穴も正確に検出できます。巣穴に限らず他の傷でも可能です。

3. 透明体や半透明体にある欠損

対象物：透明体、半透明体のもの

透明体や半透明体は、光が偏向・反射するため欠損を見つけるのは難しく、従来は人間の目で検査を行っていました。当社では複数色の光源の採用と外乱光や検査対象物の個体差による影響を抑えるアルゴリズムにより透明体や半透明体の表面及び内部状態を正確に検出できます。対象物のサイズは問いません。光を通す物質であれば硬度等も問いません。

欠損を判定する技術　安定した判定を実現する技術

機械化により安定した判定を得る

人間による目視検査は、ヒューマンエラーや検査員の判定にバラツキが生じ易いという問題があります。それに対して、カメラ画像を画像処理して判定する自動外観検査は常に安定した判定ができます。

柔軟な判定アルゴリズムと判定条件の共用により安定した判定を得る

人の直感的な判断は機械よりも優れていますがその判断基準を正確に他者に伝える事は難しいものです。当社では対象物に応じて欠損の大きさや長さだけでなく、形の特徴、色などの判定基準を最適化するアルゴリズムにより人の判断に近い判定を可能としその判定条件をデータ化し共用します。これにより検査対象の切り替え・検査数の増加があっても安定した判定ができます。

容易な判定条件の設定により安定した判定を得る

自動化しても、判定の条件設定が難しくて過剰判定となり歩留まりが悪化したり、逆にNG判定が甘くなることがあります。当社では機械学習による中間判定に数値条件の判定を組み合わせることで過剰ではない、現実的な判定ができます。
機械学習には通常1万個ほどのサンプル登録が必要とされ、その登録の手間が課題です。
当社では機械学習を中間判定に限定利用する事で100個程度の良品サンプル登録で安定した判定ができます。

検査結果を製造工程にフィードバックする技術

欠損具合を数値化・分類できる

外観検査は、必要不可欠な工程ですが、品質を改善することはできません。改善するには欠損の具合をデータ化して製造工程にフィードバックすることが必要です。外観検査をシステム化する事により欠損の内容を数値化・分類、集計してデータ蓄積し活用して頂けます。

検査結果を素早く反映できる

当社装置では1つ1つの欠損データ、判定結果・分類統計データや画像データの分類・保存は勿論の事、判定結果を統計的に処理しリアルタイムに検査状況を確認頂く機能により素早く製造工程へフィードバック活用して頂けます。

蓄積したデータを簡単に活用できる

ネットワークを利用したリアルタイムなデータの共有・集約機能を用意し、ご要望に合わせて集中管理するシステムをご提供します。これにより複数の装置、膨大な検査数であっても簡単にデータを集約・活用して頂けます。