【動画概要】
本動画では前回の動画で作成した外観検査AI装置にMicrosoft AzureのCustom Vision内で完結する機能を使い「複数不良の同時検知」と「処理の高速化」を実現しました。さらに機能を追加したことによるメリットとデメリットの紹介、他の部品を用いた汎用性の検証を実施しております。
▼本動画はシリーズ動画です。
動画１： 自社で完結！外観検査AI装置の作り方① 1万円から始める外観検査
動画２：自社で完結！外観検査AI装置の作り方② Azureでできる機能追加とその効果
動画３：自社で完結！外観検査AI装置の作り方③ 不良品画像不足への対応と精度を上げる方法
▼本動画の流れ
00:00 本動画視聴前のお願い
01:10 前回の装置の問題点
02:23 今回実施することの整理
03:26 問題点解決方法
04:40 【モデル作成】データ撮影
05:38 【モデル作成】アノテーション
06:54 【モデル作成】学習
07:25 クイックテスト（精度の確認）
10:30 実機で動かす準備
11:09 実機で動かす
15:52 まとめ
▼経済産業省 AI導入ガイドブック 外観検査（部品、不良品あり）
https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_gaikan_furyo_FIX.pdf
▼動画中で使用したプログラムのソースコード
https://github.com/dipromotion/MultipleAnomalyDetector
▼そもそも画像解析AIで何ができるの？と思われた方はこちらの動画をご覧ください。
Pythonで作成したデモ動画とともに実用例を紹介しております。
▼制作に関するサポート依頼やお問い合わせ
https://www.kdl.co.jp/contact/
