事例の概要
| 企業 | 株式会社PFU |
|---|---|
| 地域 | 日本 |
| 業種 | 電子・半導体 |
| 企業規模 | 大企業 |
| 用途 | 外観検査 |
| 使われた技術 | 照明・カメラ条件の探索を自動化する外観検査設計技術（NEDOの懸賞型事業テーマ2で検証） |
| 関連する製品・サービス | — |
成果
取り組みの内容
外観検査AIの精度は、学習させるモデルよりも、照明の当て方やカメラの角度・露光といった撮像の条件で大きく決まります。この条件出しは熟練の技術者が試行錯誤で行うのが一般的で、時間がかかるうえ、担当者によって結果が変わる属人的な作業でした。
PFUは、照明とカメラの条件の探索を自動化する外観検査の設計技術を開発し、NEDOの懸賞型の事業のテーマ2で検証しました。MONOistの報道によれば、同社の技術はテーマ2で1位になっています。
発表された成果は、照明・カメラ条件の探索にかかる時間が約6時間から30分（90%超の削減）に短縮し、欠陥検出率が71.5%から85.1%に向上したというものです。2026年9月24日に発表されました。いずれも検証での値で、量産ラインでの運用結果ではありません。
この技術が実用化されれば、外観検査の立ち上げで最も時間のかかる撮像設計を短くでき、検査対象が変わるたびに専門家を呼ぶ必要が減ります。一方で、欠陥検出率85.1%は人の目視や既存装置と比べてどうかは示されておらず、導入判断には自社の基準との比較が必要です。
この事例から読み取れること
- 外観検査の精度を左右する撮像条件の設計そのものをAIで自動化する方向性は、検査AIの立ち上げ期間を縮める論点として注目に値すると当サイトは見ています
- 欠陥検出率85.1%は検証環境での値で、量産ラインでの見落とし率の要求水準を満たすかどうかは対象ごとに確認が必要です
- 撮像設計の自動化が進むと、外観検査の導入費用に占める撮像系の設計費の割合が変わるため、見積の内訳を確認する意味が大きくなります
本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。
