この記事の要点: 株式会社Phoxterは、良品サンプルのみを用いて高精度な外観検査を行えるAI学習プラットフォーム「StellaDeepVision Studio」を2026年10月に発売しました。本製品は、独自開発の外観検査特化型数理モデルを採用しており、これまでAI導入の大きな障壁となっていた「不良サンプルの収集」を行うことなく、従来の不良学習と同等の検査精度を実現するソリューションです。
発表内容のポイント
- 良品画像のみで学習し、最適なしきい値を自動設定するため不良サンプルの収集が不要
- 生成AI（Transformer）時代の最新数理モデルにより、未知の欠陥への反応力が向上
- 最短約1分の高速再学習と専門知識不要の簡素設計で、現場での運用・品種追加が容易
発表の背景
製造現場における外観検査の自動化では、良品率が高い工程や新ラインにおいて「不良サンプルが集まらない」ことや、品種変更のたびに「学習と調整に数日から数週間を要する」こと、さらに「パラメータ設定が複雑で属人化する」という3つの課題がありました。これらを解決し、現場担当者自身で構築・改善・運用を完結できる持続可能な検査体制を構築するために本製品が開発されました。
何が発表されたのか
「StellaDeepVision Studio」は、良品の複雑なばらつきを正確に把握する独自のアルゴリズムを搭載し、高い検査能力とインライン検査に適した軽量な演算負荷を両立しています。コア技術として、不良ラベルを使わずに「過検知」と「検知漏れ」の相反するペナルティを1つの数式で表現する数理モデルを採用。また、特定の微小なキズを見逃さないために、良品学習に不良学習を追加できる特許出願中の機能も備えています。
製造業・生産管理への見方
本製品は、不良品データが集まりにくい高精度な新ラインや、品種切り替えが頻繁で個別データの収集が困難な多品種少量生産の現場に大きなメリットをもたらします。また、ロボットアームを用いた多視点検査など、全角度での不良画像収集が困難な複雑な検査工程にも適しています。機器導入から設備運用開始までの期間を従来比で最大90%短縮できるため、生産準備工数の大幅な削減と製造現場主導のDX推進に貢献します。
現場で確認したいポイント
- 自社の対象ラインにおいて、良品画像のみでどの程度の検出精度が得られるか
- 既存の検査装置やカメラ設備と「フォルダ監視機能」などを通じてスムーズに連携できるか
- 特許出願中の「不良学習追加機能」の操作性や、現場担当者による再学習の運用手順
確認しておきたい点
「従来の不良学習と同等の検査精度」や「設備運用開始までの期間を従来比マイナス90%短縮」という効果は、自社従来手法との比較に基づいた数値であり、実際の導入効果は対象ワークや現場の環境によって異なる可能性があります。
出典情報
| 出典 | PR TIMES |
|---|---|
| 発表企業 | 株式会社Phoxter |
| 発表日時 | 2026-10-06 09:00:04 |
| 元記事 | PR TIMESで読む |
