有無検査のAI支援フロー：候補変更と基準判定を比較する手順: 手順と記録による確認

検査の目的

指定領域のグレー画像、二値の連結領域マスク、個数規則から始めます。一特徴が必要な仮定例では、条件を満たす一領域が期待値ですが、それだけで正しい部品とは証明できません。AIには説明可能なしきい値か面積範囲の変更を一つ提案させ、位置と物理的な有無の定義は固定します。

前提条件と対照サンプル

有無は「指定位置に見える特徴があること」と定義し、画面内の任意の暗い物体と区別します。正しく組み立てたもの、意図的に特徴を欠いたもの、特徴を隠したものを準備し、人が答えを記録します。治具条件と許容されるワーク変動もデータに含めます。固定工位の基準フローはコントラストで離れた領域を区別するもので、一般的な意味認識ではなく、隠れた部品を推測してはいけません。

カメラ構成を選ぶ

固定された特徴のコントラストが十分なら、モノクロのエリアスキャンカメラから検討できます。露光中に動く場合はグローバルシャッターを検討します。スマートカメラを使う場合は処理と入出力への対応を確認してください。色が判定条件ならカラーカメラを選びます。奥行きや遮蔽が有無を決める場合、平面画像だけでは判断できません。

条件を管理して試験する

AIに変更案を求める前に、観察できる最小限の基準フローを作ります。元画像、検査領域、期待する答え、実行環境の識別情報を固定し、最終ランプだけでなく中間出力を確認します。現行のDeyi Visionのフローでは、版管理した開発データで候補の変更を比較できます。AIの提案は確認対象であり、作業者が承認した公差や検証済みの物理量ではありません。

1. 各対照の元画像、マスク、抽出面積を確認します。
2. AIの変更案を検討する前に基準を保存します。
3. 同じ開発画像に候補を一つ適用します。
4. 難しい画像を追加する前に新しいラベルを人が確認します。

確認データを記録する

実際の領域数、面積、要確認状態を画像識別子と記録します。未入力の答えを予測で埋めてはいけません。欠品の誤合格と正常品の誤不合格を別々に比較します。総合点だけでは重大な誤りが隠れます。

元画像ごとの開発比較行を作り、候補を見る前に物理的な答えを固定します。基準判定、候補判定、それぞれを生んだ領域を記録します。改善した欠品拒否、改善した特徴あり合格、新しい誤合格、新しい誤不合格、未解決の可視性に分類します。簡単な正常品の改善で欠品の悪化を隠さないためです。面積限界を変えたら、その限界で加わる領域と除かれる領域を確認します。治具を合格にした候補は総合点が良くても拒否し、理由と候補を残します。

失敗例を切り分ける

必要なピンがなくても、治具のねじで一領域を満たす場合があります。名前を変えるだけでは直りません。位置定義と可視性に戻ります。モデルが強く存在を予測しても遮蔽は要確認です。

独立したサンプルで検証する

同じ開発サンプルに、変更しない基準フローと一つの候補を適用します。失敗と判定不能も全件数に残してください。難しい画像は件数を制限した確認用データに追加できますが、予測ラベルは人が確認するまで未確認です。モデルにローカルサービスや画像外送の許可が必要な場合、それがなければ実行を停止し、別の実行環境へ黙って切り替えてはいけません。

別に残したサンプルでは、最終規則の前に対象位置と領域の証拠を確認します。開発成績のために欠品の要求を緩めません。

難しいサンプルの回収は証拠の要求であり自動的な正解ではありません。元画像、取得イベント、確認理由を残します。人が実物の存在と可視性を確認し、モデル予測は別に保存します。次の調整に使った答えは開発用で、未使用の受入証拠とは報告しません。選んだフローと条件を固定して独立評価者に別の対照を渡し、導入前に不一致を調べます。版の保存で物理公差や受入を承認できません。再現できる候補と承認済み工位を分けます。

次の技術検討へ進む

フロー、パラメーター、依存関係、開発時の比較を保存します。独立した受入試験の答えはAIの調整から隔離してください。確認用の書き出しは検討資料であり、実行可能な完成配布パッケージや承認の証明ではありません。ブラウザー実行、クラウドモデルの品質、実行パッケージの有効化はそれぞれ別途確認が必要です。

元画像と対応する結果記録を一緒に保存します。