リアルタイム画像解析で瑕疵候補を可視化し、新人でも安定した検査を行える環境を構築しました。
多結晶シリコンの瑕疵検査は、対象物を目視で確認し、良品と瑕疵品を見分ける専門性の高い業務です。瑕疵の形状や色、発生位置は一定ではなく、正確な判断には知識と長い現場経験が欠かせませんでした。 新人が一人で検査を担当できるまでには約1年の教育期間が必要で、すぐに検査工程へ配置することが困難でした。さらに、判定が個人の経験に左右されやすく、品質のばらつきや見落としを抑える仕組みも求められていました。
作業台のカメラで撮影した画像をAIが解析し、瑕疵の有無と疑わしい箇所をモニターへ表示。作業員の最終判断を支援する仕組みとしました。
安全な作業に必要な既存照明は変更せず、カメラの位置・角度・距離・露出を調整。白飛びを抑え、細かな瑕疵を捉えやすい撮影環境を整えました。
判定結果と画像を蓄積し、誤判定や新しい瑕疵を追加学習に活用。現場で使い続けるほど検出精度を改善できる仕組みを構築しました。
AIの判定結果と実物を照らし合わせながら検査できるため、瑕疵の特徴を現場で学びやすくなり、約1年を要していた教育期間を大幅に短縮しました。
AIが一定の基準で画像を解析することで、経験差による判定のばらつきや見落としを抑え、安定した検査を行える体制を整えました。
熟練者は全件の検査から離れ、難しい事例の確認や学習データの精査へ注力。画像と判定結果も蓄積され、個人の経験を組織で活用できるデータ基盤が整いました。
作業台のカメラ画像をAIがリアルタイムに解析し、正常品と瑕疵品の特徴を比較。瑕疵が疑われる箇所を画像上で特定します。
4カ月
開発期間は撮影環境や対象となる瑕疵の種類、必要な検証範囲により異なります。
500万円
費用はカメラ構成、学習データ量、システム連携範囲に応じて個別に算定します。