『1枚で学習できるAI』外観検査gLupe開発キット(SDK) Intel CPUのみでの動作に対応し、導入環境の制約を大幅緩和
株式会社システム計画研究所／ISP
株式会社システム計画研究所(所在地：東京都渋谷区、代表取締役：門脇 均)は、1枚で学習できる画像AI「gLupe」の開発キット(SDK)の不良箇所学習機能を、専用GPU不要で動作するよう刷新しました。Intel CPUのみの環境でも動作し、対応CPUであればIntel統合グラフィックス(これ以降「iGPU」と表記します)への処理オフロードも可能です。これにより、gLupeが、生産装置、検査装置、組み込み機器やエッジ端末など、幅広い現場へさらに展開しやすくなります。
画像1:
https://www.atpress.ne.jp/releases/612930/LL_img_612930_1.jpg
図1 1枚で学習できる画像AI「gLupe」
■ 動作環境の大幅拡張 ― 専用GPU無しで稼働
これまでgLupe SDKの動作には専用GPUが必須でしたが、今回のアップデートにより不良箇所学習機能がIntel CPUのみの環境での動作が可能となりました。さらに、対応するIntel CPUであれば、内蔵のIntelグラフィックスチップへ推論処理をオフロードすることができ、CPU単体での実行よりも高速な動作が期待できます。
● 専用GPU非依存：専用GPU無しでもgLupe SDKが利用可能に
● Intel iGPUオフロード：対応CPUであればIntel統合グラフィックスを活用し、高速推論を実現
● 展開範囲の拡大：エッジコンピュータ・産業用PC・組み込み機器など、幅広いプラットフォームに対応
■gLupe SDKが提供する3つのAI機能
gLupe SDKは、検査目的に応じた3種類のモードを提供しています。その中でも、最も汎用性高く利用できる不良箇所学習機能がIntel CPUのみで動作できるようになりました。
画像2:
https://www.atpress.ne.jp/releases/612930/LL_img_612930_2.jpg
図2 gLupe SDK 3種類のモード
■ 学習モード
【不良箇所学習】
概要 ：検出対象とそれ以外を領域分割
主な用途：外観検査、部品有無検査、員数カウント、装備品確認、
任意物体の検出、など汎用性高く利用可能
【良品学習】
概要 ：正常品の特徴を学習し、異常を検出
主な用途：傷、汚れ、異物などの一般的な外観検査
【分類学習】
概要 ：複数クラスに画像を分類
主な用途：品種、不良種類の分類など
■不良箇所学習の詳細 ― 最低画像1枚から始まるAI検査
【従来AIの常識を覆す圧倒的な使いやすさが「手離れの良さ」を実現】
不良箇所学習はgLupe SDKの中でも最も汎用性の高い機能です。最低1枚の画像を用意できれば、AI学習が完了します。学習の操作は直感的なUIで完結するため、画像処理やAIの専門知識は不要。検査装置の提供側が設定・調整を担うことなく、ユーザー自身が自立して学習・更新を行えます。これにより、提供側にとってはサポートコストを大幅に削減できる「手離れの良いAI検査装置」の実現が可能です。
【170社以上の検査装置導入実績。そのほとんどの事例でユーザー自身が学習を実施】
現在までに170社以上の導入実績があり、そのほとんどの現場で、現場のオペレーター自身がAI学習を行っています。これは、gLupeの操作性と学習の容易さを示す実績です。
画像3:
https://www.atpress.ne.jp/releases/612930/LL_img_612930_3.jpg
図3 170社以上の導入実績
■ 従来の画像処理(2値化)をAIで代替
これまでの外観検査では、検出対象のRGB値や輝度値を閾値に設定して2値化処理を行うことで、対象物を背景から浮き上がらせる手法が一般的でした。しかし、検出対象と背景の色・明るさの差が小さい場合や、照明条件が変化する環境では、適切な閾値設定が難しく、安定した検出が困難でした。
gLupeの不良箇所学習機能は、この処理をAIに置き換えることができます。単純な色情報だけでなく、周辺ピクセルの情報を見ることによって形状・テクスチャ情報も加味した領域分割を行うため、従来の2値化では困難だったケースにも対応が可能です。
● 色差が小さく2値化困難な傷・汚れの検出
● 照明ムラや背景変化に強いロバストな検出
● 形状・コンテキストを考慮した精密な領域分割
画像4:
https://www.atpress.ne.jp/releases/612930/LL_img_612930_4.jpeg
図4 2値化をAIで代替するイメージ
■ 既存の画像処理資産を活かした統合
不良箇所学習の出力は、従来の2値化処理後の出力と同等に扱うことができ、既存の後段画像処理にそのまま渡すことができます。そのため、これまで画像処理ベースで検査装置を開発してきたエンジニアも違和感なく導入することができます。既存の判定ロジックやシーケンスをそのまま活用しつつ、検出部分のみをgLupeに置き換えることで、対応範囲を大幅に拡張することができます。
画像5:
https://www.atpress.ne.jp/releases/612930/LL_img_612930_5.jpg
図5 既存の画像処理を活かした統合イメージ
■ 今後の展望
gLupe SDKの動作環境拡張により、これまでGPU搭載コストがネックとなっていた小型検査装置や低コスト検査ラインへの展開が加速します。今後もユーザーの現場ニーズに応えるアップデートを継続し、製造業の品質向上と自動化推進に貢献してまいります。
■ gLupe開発キット(SDK)必要システム構成
【専用GPUで動作させる場合(不良箇所学習、良品学習、分類学習)】
● CPU：Intel Core 第8世代以降
● GPU：CUDA対応NVIDIA製GPU VRAM 2GB以上(4GB以上推奨) Compute Capability 5.0以上
【CPUで動作させる場合(不良箇所学習)】
● CPU基本動作：Intel Core 第8世代以降
● iGPUオフロード時：Intel Core 第8世代以降の統合グラフィックス搭載モデル(Intel グラフィックスドライバーVer.31.0以降)
■ gLupe 関連情報
gLupe 製品ページ ：
https://glupe.jp/ja/
gLupe 導入事例・検出例：
https://glupe.jp/ja/example.html
■会社概要
会社名 ： 株式会社システム計画研究所
代表取締役： 門脇 均
本社所在地： 東京都渋谷区桜丘町18-6 日本会館
事業内容 ： 医療情報、制御・宇宙、通信・ネットワーク、画像処理、
AIの諸分野を中心としたソフトウェア開発、システム開発、
システムインテグレーション、コンサルテーション、
技術開発および製品開発
URL ：
https://www.isp.co.jp/
※記載されている会社名、製品名および名称は各社の登録商標または商標です。
詳細はこちら
記事提供：@Press
