FastLabel、外観検査AI開発向け「不良品データ生成」の機能提供を開始
カスタマイズした不良品生成モデルをオンプレミス環境で実行可能
本技術は、2023年5月10日（水）〜12日（金）に東京ビッグサイトにて開催される「AI・人工知能 EXPO」にて出展予定です。
■提供開始の背景
画像生成AI「DALL･E2」を米OpenAI社がリリースするなど、画像領域におけるGenerative AIは急速な進展を遂げており、昨今、あらゆる業界においてAIを活用した業務効率化が注目を浴びています。特に製造業では、産業用カメラの普及もあり、人件費の削減と生産効率の向上を主な目的として、外観検査を人手からAIに置き換える動きが活発化しています。
製造業における外観検査では、検査対象の形状、素材、サイズ、欠陥などの特性が多岐にわたることが多く、学習に利用する不良品データの収集が非常に困難です。そのため、正常品データのみを学習してモデル開発し、不良品データとの差分から不良判別を行うなどのアプローチが主流ですが、固定の画角や高さなど、撮影条件に制約が大きく入ることにより、実態と大きく乖離する可能性生じるとういう課題が存在します。
他方、不良品データを学習させるアプローチでは、実態に合ったモデル開発を行うことが可能ですが、そのためには十分な量の不良品の教示データが必要となります。一般的に、日本企業の製造工程で発生する不良品は数万個に1個など、非常に低い発生率であることが多く、教師データを収集するのが困難という課題が存在します。
この度当社は、少量の不良品データから大量の不良品データを生成することができる「不良品データ生成」の機能の提供を開始し、製造品の外観検査AI開発におけるデータ不足の解消を実現いたします。
■「不良品データ生成」の特徴
当社が提供するシンセティックデータ生成サービスには下記3点の特徴がございます。
①製品ごとにカスタマイズした不良品データ生成モデルの構築
約数十枚の不良品データから不良品生成モデルを構築、当該モデルを実行することにより大量の不良品データを生成することが可能です。
②オンプレミス環境での実行
クラウド上のみでなく、オンプレミス環境での推論処理も行えるため、製造品の不良品情報が社外へ流出するリスクを抑えることが可能です。
③生成した不良品データの追加学習
構築した不良品データ生成モデルで作成した不良品データを、弊社プラットフォーム上（クラウド版のみ）で追加学習することが可能です（予定）。
■今後の展望
不良品データ生成だけではなく、データセントリックなAI開発を実現するためのデータコンサルティングサービスもご提供することにより、多種多様なケースが存在する外観検査において、運用に耐えうるAIモデル開発の実現に貢献して参ります。
FastLabel株式会社について
本社所在地：東京都品川区北品川5-5-27 201号
代表者：代表取締役CEO 上田 英介
設立：2020年1月23日
事業内容：AIデータプラットフォームの開発・提供、アノテーションサービスの提供
Webサイト：https://fastlabel.ai/
本プレスリリースに関するお問い合わせ
FastLabel株式会社 広報担当
メール：pr@fastlabel.ai
すべての画像