技術
製造業において、製品の数え上げ作業は品質管理と在庫管理の両面で重要な工程となっています。しかし、人手による数え上げは時間がかかり、ミスも発生しやすいという課題があります。また、製品の形状や配置が多様であるため、汎用的な自動化ソリューションの開発が困難でした。
本システムは、製造ラインのカメラで撮影した画像をAIが解析し、製品の数量を自動でカウントします。PanHouseの検証文化に基づき、最新のAI技術を徹底的に比較検証し、各プロジェクトに最適なソリューションを提供します。 PanHouseの検証文化 PanHouseでは、プロジェクトごとに様々な手法の可能性を模索するため、最新のAI論文を徹底的にリサーチし、実際に開発・検証を行っています。トップレベルの技術力を活かし、多様なAIモデルの比較検証をハイスピードで実施。これにより、プロジェクトの特定のニーズや要件に最も適したAIモデルを実際のサービスに組み込み、結果的に精度が高くコストパフォーマンスも優れた最適なサービスを提供しています。
物体検出（YOLOX）、回転物体検出（RTMDet）、インスタンスセグメンテーション（SOLOv2）など、最新の手法を対象製品に適用し、精度とモデルサイズの観点から比較評価を行います。これらの手法を実際の製品画像に適用し、検出精度、モデルサイズ、推論速度などの指標を総合的に評価することで、製品形状や要件に応じた最適な手法の選定を可能にします。
大規模なアノテーションデータの準備には多大な時間とコストがかかるため、特に新製品の導入時などにボトルネックとなります。そこで、少数のアノテーションサンプルから効果的に学習するfew-shot learningの手法（FamNet、CounTRなど）を導入します。これにより、アノテーションコストを大幅に削減しつつ、高精度な数え上げを実現し、製品変更への迅速な対応を可能にします。
大規模な事前学習済みモデルであるSAMを用いることで、アノテーションなしで製品領域を抽出し、特徴量ベースの数え上げを行う手法を開発します。SAMは多様な物体のセグメンテーションを汎用的に行うことができるため、新規製品への適用が容易です。SAMにより抽出された製品領域から、色や形状などの特徴量を計算し、クラスタリングやカウンティングのアルゴリズムを適用することで、教師データなしでの数え上げを実現します。
PanHouseの徹底的な検証文化により、各プロジェクトに最適化された製品自動数え上げAIを作成。 本システムの導入により、最新のAI技術を駆使した高精度かつコストパフォーマンスに優れたソリューションで、人手による数え上げ作業から解放され、作業時間の大幅な短縮と正確性の向上を実現しました。