目的と適用範囲
既知クラスの判定範囲、未知物体、実搬送対応を別評価し、見栄えのよい色精度だけを報告しません。
本記事は技術評価の手順であり、そのまま稼働できる製品の認証ではありません。Deyi Vision の公開 PC 例は、確認済みサンプル画像を用いる EAN-13 ワークフローが対象です。開発コードのネイティブ OCR や検出機能は、使用前にインストール済みランタイム、結び付けられたモデル、検査内容を確認してください。ブラウザーのテンプレートがあるだけでは実行可能とは言えず、計画中の OpenCV.js バックエンドには別の検証が必要です。クラウド認識には画像範囲、提供元、モデル、費用の明示的な承認が必要です。審査用アーカイブは実行可能なリリースパッケージではありません。カメラ、ファームウェア、ドライバーの互換性も個別に確認します。以下の数値は仮定例であり、Deyi Vision の実測値や顧客成果ではありません。
確認資料の準備
独立試料でクラス、未知方針、マスク、商品台帳を固定し、模擬出力から監視搬送へ進み、未確認経路は禁止します。 期限開始の時刻と完了を証明する確認応答を定義します。処理が速くてもライン結果が遅れるため、待ち行列と通信遅延も保存します。時間差は単調時計で測り、装置間の時計対応は別途記録します。平均だけでなく裾の遅延、欠落、再接続を残します。新版レシピで処理中の結果を読み替えず、記録版で完了するか合意した禁止手順を適用します。出力順序、製品位置、確認を結び付けます。分類正解、通信成功、物理搬送の確認は受入記録で区別します。 色分けと SKU 認識は別の質問に答えます。赤の参照色に一致する領域でも、寸法、ラベル、包装仕様が間違っている場合があります。物理的な色を分けるのか、期待 SKU を照合するのか、両方を独立確認するのか定義します。画素のチャンネル順が分かるカラー画像を使い、露光、ホワイトバランス、照明スペクトルをレシピに残します。きれいな色票だけでなく、許容材料ロット、光沢、影、異品種を試験します。低彩度では色相が不安定で、飽和したハイライトの情報はアルゴリズムで復元できません。未知、観察不能、混色品の処理先を定義します。モデルによる SKU 認識は色閾値とは別に検証し、クラウド送信前に承認を得ます。 判定をアクチュエーターにつなぐ前に、ラインとの契約を決めます。取得識別、レシピ版、結果状態、期限、確認応答、欠落・遅延データの扱いを定義します。出力を禁止した状態で握手を試験し、その後に工場の受入手順に従い監視付きライン試験を行います。毎回同じ定義済みイベントから測定してください。処理時間だけでは待ち行列、通信、出力遅延を含みません。繰り返す製品コードは一意のフレーム識別ではありません。未完了作業がある状態で停止、再起動、再接続、レシピ変更を試験します。排出する実物を判断の根拠と結び付けられるよう全順序を保存します。
操作手順
- 未知列を含む混同行列を作り、欠落、Review、エラーも残します。
- 色一致を SKU と独立に評価し、同色を同商品としません。
- イベント ID、クラスか未知理由、版を送り、応答と実到達先を確認します。
- 曖昧色、新 SKU、画像欠落、遅延を入れ、近い既知クラスで補わず未知・禁止経路を確認します。
試験結果の読み方
仮定集合は赤 20、青 20、新規 10 です。既知搬送は 40 中 37、92.5% であり総合精度ではありません。新規は 10 中 2、20% が誤って既知に分類されます。この誤りを残すと既知成功だけの報告で隠れる失敗が見えます。
記録ワークシート
| 記録項目 | 値・観察 | 解釈 |
|---|---|---|
| 実際は赤 | 20 | 赤 18/青 0/未知 2 |
| 実際は青 | 20 | 赤 0/青 19/未知 1 |
| 新規物体 | 10 | 赤 1/青 1/未知 8 |
known_coverage = (18 + 19) / (20 + 20) = 37 / 40 = 92.5%
novel_wrong_known = (1 + 1) / 10 = 2 / 10 = 20%
N = 20 + 20 + 10 = 50二つの工程図
二つの工程図 · 1
図は確認順序を示します。矢印ごとに記録した根拠が必要で、自動接続の実装を意味しません。 取得 → 判定 → 確認応答 → 実搬送.
- 取得
- 判定
- 確認応答
- 実搬送
二つの工程図 · 2
図は確認順序を示します。矢印ごとに記録した根拠が必要で、自動接続の実装を意味しません。 通常 → 欠落 → 遅延 → 禁止.
- 通常
- 欠落
- 遅延
- 禁止
不具合の切り分け
- 未知を省く表示は性能を良く見せます。
- 正しい色でも別イベントや別容器へ付けば受入失敗です。
受入確認と引き継ぎ
既知、新規拒否、全件記録、実搬送の合意基準を個別に受け入れます。表は計算法の例であり、導入成果には独立実試料と立会いライン確認が必要です。
元画像、期待する判定、正確なリビジョン、完全な結果記録を一組で保存します。最終パラメーターを選ぶ前に評価集合を固定してください。その正解を後から調整に使った場合は開発データに変更し、新しい独立した受入集合を用意します。Review、NoResult、実行エラー、取得漏れを分母に残し、行を除外して合格に変えないでください。成功例とともに再現可能な失敗例を保存します。引き継ぎにはレシピ変更の権限、承認済み旧版への復元方法、受入確認まで禁止する装置出力を記載します。ソフトウェアの結果だけでは、動く実物が正しい搬送先に到達したことを証明できません。
出典と技術資料
出典は、本記事の手法と限界を確認するための資料です。確認例は選定の参考であり、量産での受入判定には実際のサンプルによる証拠が必要です。
- Deyi Vision machine vision software: evaluation scopeDeyi Vision確認日
- Build a PLC–vision handshake with explicit statesDeyi Vision確認日
- Load-test latency from trigger to PLC decisionDeyi Vision確認日
- Inspection threshold confusion matrixDeyi Vision確認日
部品と選定の参考資料
- machine vision software · 英語の参考資料
- 自動外観検査
- 外観検査システム設計チェックリスト
- トリガーからPLC判定までの遅延を負荷試験する
- 可視の組立検証を受け入れ設備へ連携する
- AI支援で可視組立検証の処理を構築する
- EAN-13 追跡:ライン受入
- EAN-13 追跡:復号とデータ検証
- 安定したSDK取得:バッファ、タイムアウト、再接続
- 液面高さ検査の処理を受け入れ連携する
- 可視液位の代理値を扱うAI支援フローを検証する
- 検査記録、画像、部品識別子を関連付けて保存する
- OCR ラベル照合:受入と PLC 契約
- OCR ラベル照合:ネイティブ処理と厳密照合
- 開いた包装の完全性検査を受け入れ連携する
- AI支援で開いた包装の完全性処理を構築
- 封口・接着剤外観:ライン受入
- 封口・接着剤外観:判定ワークフロー
- SKU・色分選:色と商品の判定規則
- 表面欠陥検査:受入とライン出力
- 表面欠陥検査:範囲を限定した AI 評価
- 視覚レシピ一式を版管理し復旧を検証する

