画像認識AIで製造現場を革新する ― ラベル位置検査システム開発プロジェクト

背景

お酒や飲料の製造ラインで発生する「ラベルのずれ」の検査は、自動化が難しい課題であり、生産効率・品質の安定性に大きく影響します。株式会社アプリズムでは、AIを活用したラベルのずれ検査システムの開発にむけて、実証実験を行いました。

利用モデル

モデルはCLIPとDINOv2の2つを使用しました。それぞれの特徴は以下の通りです。

実験手法

実験手法として、まず正解となる位置にシールを貼ったマグカップの画像を、角度を変えるなどして数枚用意しました。これらの参照画像から、それぞれのモデルを用いて特徴量を求めます。そして、Raspberry Pi※に接続されたカメラに撮影した映像（今回は同じマグカップでシールの位置を変えた画像）からも特徴量を求め、これら2つ比較しました。参照画像と一致する画像を「正解」、シールの位置を変えた画像を「不正解」とし、各画像の類似度を評価することで、ずれの検出精度を確認しました。

※低価格で小型のシングルボードコンピュータ

実験では、CLIP,　DINOv2のそれぞれに対して、正解の画像を1枚、不正解の画像を3枚用意しました。結果は以下のとおりです。

正解画像の撮影時（CLIP）

不正解画像の撮影時（CLIP）　　　

正解画像の撮影時（DINOv2）

不正解画像の撮影時（DINOv2）

CLIP

DINOv2

CLIPでは、正解画像と不正解画像の類似度の差は小さいものの、正解ラベルの検出に成功しました。また、推論はほぼタイムラグなしで行われているという特徴も確認できました。一方、DINOv2では約5秒のタイムラグがあるものの、正解画像と不正解画像の類似度の差が明確であり、こちらも正解ラベルの検出に成功しました。

まとめ

2つのモデルを試した結果、速度と類似度においてそれぞれ長所と短所が見られましたが、ラベルずれの検出の機能が十分にあることを確認でました。このラベルずれ検知は「人の作業を効率化し、製品の品質を安定させる」という目的に向けた第一歩です。アプリズムでは、AI開発を通じて、さまざまなシーンでのソリューションを提供してまいります。