Indus Vision

DeepVisionの精度測定方法

DeepVisionの精度の測り方:ベースライン調査、並行運用、正解データの確認。Tier1のホワイトボディラインで100%、自動車2ライン合計で98.2%。

このページでは、DeepVisionの精度の測定方法を説明し、稼働中のラインでの結果を掲載します。精度は部品、欠陥の種類、撮像条件によって異なるため、各導入現場ではそのお客様ご自身の部品で測定し、その数値はそのお客様にご報告しています。

精度の測定方法

精度の数値は、管理されたラボでのベンチマークではなく、お客様の現場で収集した実稼働の導入データから算出しています。各導入現場では、次の体系的な検証プロセスを実施します。

  1. ベースライン調査 — DeepVisionの稼働前に、御社の品質チームが確認した良品と不良品(またはその画像)を御社のラインから収集します。
  2. 並行運用 — DeepVisionを既存の目視検査と並行して稼働させます。両方の判定をそれぞれ独立して記録します。
  3. 正解データの照合 — DeepVisionの判定の一部(判定の難しい境界事例を含む)を、訓練を受けた品質エンジニアが確認し、正解ラベルを確定します。
  4. 指標の算出 — 照合済みのデータセットから、検出率(真陽性率)、誤検出率(偽陽性率)、全体の精度を算出します。

用語の定義

  • 検出率(感度) — 実際の不良品のうち、DeepVisionが正しく不良と判定した割合。導入現場ごとに測定しており、稼働中のラインでの結果は下記のとおりです。
  • 誤検出率(偽陽性率) — 良品を誤って不良と判定した割合。各導入現場の並行運用中に測定します。
  • 数値が異なる理由 — 検出率と誤検出率は、欠陥の種類、材質、撮像条件によって異なります。各導入現場の数値は、そのお客様にご報告しています。

稼働中のラインでの結果

  • 自動車のプレス部品 — Tier1自動車部品サプライヤーと別の自動車OEMでの板金検査(1,073サンプルで検証):Tier1サプライヤーのホワイトボディラインで精度100%、両自動車ラインの合計で精度98.2%。
  • フラットパネル基板 — 10台のカメラによる基板検査ライン:98%以上(導入事例)。
  • 鉄鋼 — 一貫製鉄所でのSWIR(短波長赤外)による異物検出:98%以上 (導入事例)。

モデルの継続的な改善

DeepVisionのモデルは、製品や欠陥の変化に合わせて、新しい生産画像で再学習できます。

検証レポートのご依頼

導入をご検討中のお客様は、御社の業界や欠陥の種類に合わせた詳細な検証レポートをご依頼いただけます。お問い合わせ →

上部へスクロール

Request a Demo