表面欠陥検査：範囲を限定した AI 評価

目的と適用範囲

位置合わせした参照差分を基準版とし、異常スコアや AI 提案を正解と見なさず、結合済み候補を比較します。

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

良品参照、基準、除外マスク、欠陥ラベルを別々に版管理します。バックエンドの各ノード実装を確認します。 最終フラグを読む前に中間出力の契約を確認します。領域欠落、文字項目の形式不良、不正座標、有限でない値は明示的な失敗であり、初期値の合格にしません。実行したバックエンドと依存関係を記録し、同名テンプレートの別実行系から受入結果を引き継ぎません。モデルや前処理を変えたら旧版を残し、固定比較をやり直します。試行全数、利用可能な根拠の数、残りの扱いを示します。これらは認識品質に加え、網羅性と失敗処理を表します。 表面欠陥の検査では、材料の欠陥と観察条件の変化を区別します。キズ、へこみ、油、模様、反射は似た濃淡変化になっても処置が異なります。想定する仕上げ範囲の良品と、位置・方向を記録した欠陥サンプルを用意します。表面が変わっても見える基準特徴を選びます。参照画像は姿勢と照明が現在の部品に対応して初めて有効です。画像差分は実際の深さ測定ではなく、検出領域だけで欠陥原因が確定するわけでもありません。汚れを不合格、清掃依頼、対象外のどれにするか、正解を集める前に決めます。曖昧なサンプルの原画像を保存し、きれいな参照や修正した答えを捏造しないでください。 ワークフローを単一のモデル回答ではなく、型を持つ判定の連続として扱います。実験前に入力識別、領域変換、ノード版、前処理、モデルパッケージを結び付けます。開発画像でのパラメーター選択と、調整に正解を使っていない固定集合での評価を分離します。実行失敗も含め、各事例の基準版と候補版の結果を残します。AI の提案は変更版を提示できますが、正解の確認、画像送信の許可、量産使用の承認は行えません。提供元の応答が不明な場合は要求識別を保存し、再送を検討する前に受付記録を調査します。ランタイム可用性、認識品質、リリース承認は別々に確認します。

操作手順

1. 安定した基準で位置合わせしてから差分し、両画像で変換を確認します。
2. 閾値・形態処理の前に差分を見て、位置合わせの縁をキズと誤認しないようにします。
3. 開発集合で候補を比較して固定し、未使用の欠陥・良品集合で評価します。
4. 位置合わせ不能、依存不足、表面観察不能は Review または Error にし、初期値の良品にしません。

試験結果の読み方

仮定例では欠陥 10 個中 2 個を見逃し、良品 20 個中 1 個を排出します。両分母を示します。異常スコアは欠陥確率ではなく、未結合のセグメント・異常モデルは実行試験の範囲外です。

記録ワークシート

二つの工程図

不具合の切り分け

• 輪郭周囲のリングは表面全体の欠陥より位置合わせや尺度の誤りを疑います。
• 細いキズを消すカーネルは画像をきれいにしても根拠を壊します。

受入確認と引き継ぎ

改善が確認できなければ基準版を残します。参照、変換、マスク、ノード・モデル識別、完全な混同行列を承認前に固定します。

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。