PhoxterがAI外観検査を実演、西日本製造技術イノベーションに出展へ

発表内容のポイント

• ピロー包装越しの食品や複雑形状品など、難易度の高い外観検査の実演を実施
• アノテーション作業を不要にし、短時間で高精度なAIモデル構築を実現する機能
• 専門知識がなくても直感的に検査設定や調整ができるユーザーインターフェース

発表の背景

製造現場における検品作業の自動化ニーズが高まる中、従来の画像処理やAI検査では、包装資材越しの対象物や複雑な形状を持つ製品の不良判定は導入難易度が高いとされてきました。また、AIモデルの構築に伴うアノテーション作業や、品種ごとのチューニングにかかる工数負担が現場への導入を阻む要因となっていました。こうした課題を解決するため、同社は準備工数を削減できるシステムの提案を進めています。

何が発表されたのか

展示される「StellaController 2.0」は、独自の検査アルゴリズムを搭載したAI外観検査システムです。最大の特徴は、ディープラーニングの学習プロセスにおいて従来必須とされていたアノテーション作業をスキップできる点にあります。さらに、1つのモデルで複数品種の作り込みに対応できるため、ラインごとの調整負荷を軽減し、複数ラインや他工場への横展開を容易にします。ブースでは、検査設定やパラメータ調整、運用時のモニタリング操作を実際に体験できます。

製造業・生産管理への見方

生産管理や製造DXを推進する担当者にとって、外観検査の自動化は省人化と品質安定化に直結する重要なテーマです。特に多品種少量生産の現場では、品種切り替えごとのAI再学習や調整工数がボトルネックになりがちでした。アノテーション不要で複数品種をカバーできる仕組みは、立ち上げ工数の大幅な削減に寄与します。また、現場の作業者が直感的に扱えるインターフェースは、システム運用の内製化やトラブル時の迅速な復旧を可能にするため、実用性の高いDXツールとして注目されます。

現場で確認したいポイント

• 自社の検査対象物（包装品や複雑形状品）に対してどの程度の検出精度が得られるか
• アノテーション不要の学習機能が、自社の既存の不良データ量でも機能するか
• 現場の作業者が実際に操作した際の、設定変更やパラメータ調整の難易度

確認しておきたい点

本システムが対応する具体的な「複雑形状品」の詳細な定義や、検出可能な不良の種類・最小サイズについては、プレスリリース内に記載がないため、展示会場やメーカーへの直接の確認が必要です。

関連リンク

• 発表企業サイト：株式会社Phoxterの公式ホームページです。
• 発表企業のPR TIMESページ

出典情報