ゼロ学習異常検知とは
学習データを1枚も用意せずに、異常の検出を始められます
学習なしで、異常を見つける
複雑な模様のある編物から、不自然な箇所を検出した例です。事前の画像学習は行っていません。
※ この例では事前の学習を行っておりません
ゼロ学習異常検知とは
ゼロ学習異常検知は、事前の画像学習が不要な異常検知AIです。OUEN が独自に開発し、根幹技術は特許を取得しています。
従来のAI外観検査は、不良品を学習させる方式（教師あり学習）か、良品を学習させる方式（教師なし学習・アノマリー検知）のどちらかでした。どちらも統計的な画像処理の延長にあり、その製品の画像を集めて学習させる工程が必ず要ります。
ゼロ学習異常検知はそこが違います。生成AIの技術を使い、学習なしで「この製品として不自然な場所」を指し示します。 画角や品種に依らず検出でき、はっきりした傷だけでなく、人が見て「なんとなくおかしい」と感じる曖昧な欠陥も拾います。
人が違和感を覚えるのと同じ
営業の場でよく使う説明があります。
人は生きてくる中で膨大なものを見ていて、何が当たり前かを知っています。 だから初めて見る製品でも、どこかおかしければ気づく。検査の現場でも、新しく入った方に「何か変なものがあったら教えてください」と伝えれば、不良の定義を教わっていなくてもある程度は見つけてくれます。
ゼロ学習異常検知がやっているのは、これと同じことです。事前に何も教えなくても、この製品として不自然な場所に反応します。
教えたほうが、よく見つかる。 とはいえ、精度を上げたいなら教えたほうが早い。検査員の方にも、事前に不良品を見てもらって「こういうものが来たらNGです」と伝えておけば、格段に見つけやすくなります。ファインチューニングは、これにあたります。数枚の不良画像を見せて、何を問題とみなすかを伝える。数枚の画像と数分の学習で、検出精度を大きく上げられます。
そして、教わっていないものにも反応します。 ここが新しいところです。
人は、ある異物を「これはダメ」と教わると、別の異物を見ても同じようにダメだと判断できます。 教わったのはその1つなのに、更新されるのは「異物とはこういうものだ」という理解のほうだからです。
ゼロ学習異常検知も同じ振る舞いをします。ファインチューニングで教えた欠陥だけでなく、教えていない欠陥にも反応し続けます。
従来の不良品学習AIはそうはいきません。学習した欠陥モードしか見つけられないので、教えれば教えるほど「教えたものしか見ない」AIに近づいていきます。 ゼロ学習異常検知は逆で、教えるほど「当たり前」の感覚が鋭くなります。
学習が要らないと、何が変わるか
準備工数が要らない
AIモデルの作成、学習データの収集、アノテーション。立ち上げで最も時間を食う工程が、そのまま不要になります。不良画像が集まるのを待つ必要もありません。
多品種少量に対応できる
製品ごとにAIモデルを作らずに済むため、小ロットや多品種生産のラインでもすぐ検査を立ち上げられます。品種が増えるたびに学習をやり直す、という終わりの見えない作業から抜けられます。
製品のばらつきを許容する
従来のAIや画像処理では扱いが難しかった食品、繊維、自然物のように、良品そのものの見た目が大きくばらつく対象にも対応します。
どこまで検出できるのか
学習を一切行わずに、製品の異常箇所を自動で検出します。画像上で数ピクセルあれば検出できる可能性があります。
速度も実用域です。1枚あたり100ms程度での検査に対応するので、ラインのタクトに収まります。
ほかの検出例
包装箱検査 
回路基板検査 
金属部品検査 
建材（壁紙）検査 
医薬品検査 
木材検査 
食品（麺類）検査 
穀物（米）検査
※ これらはすべて事前の学習を行っておりません
ゼロ学習異常検知が効く現場
01多品種少量ライン
製品ごとにAIモデルを作る負荷が大きく、導入を見送っていた現場でも、学習が要らないためすぐに立ち上げられます。
- 食品加工・検品
- 衣料・繊維の検反
- 機械部品の多品種生産ライン
02位置決めが難しいライン
従来技術では搬送時の姿勢や画角を揃えることが前提でしたが、ゼロ学習異常検知は整列していなくても異常を検知できます。
- 物流の梱包検査
- ねじやナットなど、バラで搬送されるもの
- 受入検査・出荷検査
03食品・自然物などばらつきが大きい対象
同じ良品の中でも大きさや形状のばらつきが激しい対象は、従来のAIでは学習そのものが困難でした。ゼロ学習異常検知なら異物混入や傷を捉えられます。
- 原料や加工食品の異物検査
- 木材・石材など天然物
よくあるご質問
従来のAIと何が違うのですか
従来型の教師あり学習（不良品学習）や教師なし学習（良品学習・アノマリー検知）は、統計的な画像処理の手法を使います。ゼロ学習異常検知は生成AIの技術を使っており、成り立ちが違います。この独自技術により、さまざまな対象で高い精度と、1枚あたり100ms程度の高速検査を両立しています。
どの程度細かい欠陥まで検出できますか
画像上で数ピクセルあれば検出できる可能性があります。 ただし対象と撮像条件によるので、実際の画像で確かめるのが確実です。事前検証は初回無償で行っています。
どんな対象に実績がありますか
多品種少量ラインや、良品の幅が広い製品で多くご利用いただいています。大手食品メーカー様、化粧品メーカー様、自動車部品メーカー様、設備メーカー様など、業種や規模を問わず実績があります。
生成AIだとネットワーク接続が必要ですか
不要です。 製造業で使うことを前提に、応答の遅れとセキュリティのリスクを排除するため、当社独自の圧縮技術でローカル環境だけで動作する生成AIにしています。外部への画像送信は発生しません。
ロールtoロールの加工品も検査できますか
できます。従来はルールベースでの検査が一般的だった連続検査にも対応します。対応できる速度や分解能はご要望に応じて設計し、システムとしてご提案します。
特許は取得していますか
取得済みです。 外観検査ソフトウェアを含む生成AIを活用した検査、および最適化・チューニング技術に関して、他社に先駆けて開発を進め、根幹技術の特許を取得しています。
製品の中での位置づけ
ゼロ学習異常検知は単体の製品ではなく、ノーコード外観検査ソフトウェア Inspection Designer に搭載している8種類のAIの1つです。
同じソフトウェアの中に、良品学習・物体検出・領域抽出・AI OCRも入っています。ゼロ学習異常検知で当たりを付けてから、必要な部分だけ別の方式に替えるといった進め方が、学習データを用意する前にできます。撮像から複数のAIを組み合わせた検査、外部機器との通信までを一気通貫で組めるので、導入もスムーズです。
もっと詳しく
ゼロ学習異常検知を使った現場の話と、従来型AIの5方式の違いは、コラムにまとめています。
AI検査をしたいのに不良が集まらない？そんなときはゼロ学習！