モデル学習自社の不良。自社の画像。自社のモデル。
製品固有の不良には、専用の検査モデルが必要です。装置上で直接、オフラインで独自モデルを学習できます。
モデル学習は五つのステップで。
データセットに追加
検査済み領域をクリックするだけで、画像をデータセットに追加できます。製品全体の一括追加も可能。レビュー画面からのフィードバックも反映されます。
OK・NGをラベル付け
各画像にOKまたはNGのラベルを付けます。未ラベル画像はソフトウェアが管理するため、中断して後から再開できます。
学習
モデルに名前を付け、学習を開始して性能を確認。いつでも停止し、その時点での最良の結果を保存できます。
結果を確認
学習に使用していない画像でモデルを評価。正しい予測、過検出、見逃しを結果テーブルで確認。
モデルを適用
選択した検査領域にモデルを適用し、グループのデフォルトに設定します。既存の検査と並行して動作します。
動画：モデル学習の全工程
基板で重視するポイントをモデルに学習させます。
当社の視覚基盤モデルを活用し、製品固有の特殊な不良を検査。自社生産のラベル付き画像で学習させ、検査能力を拡張できます。
このデモの内容 40, 19 および 6 三回の検査でのアラート数。各回の間にフィードバックと調整を実施。表示件数はアラート数であり、確定した不良数ではありません。
データは自社施設内に保持されます。
インターネットもクラウドもアカウントも不要
インターネット接続、クラウドサービス、オンラインアカウント不要。装置内で学習。
画像はローカルに保持
画像の収集・ラベル付け・学習をローカルで実行。画像のアップロードは不要です。
モデルの所有権はお客様にあります
自社チームが生産画像でモデルを学習します。モデルはお客様に帰属し、他のお客様とは共有されません。
生産とは別に学習
画像を収集・ラベル付けし、別の装置で学習して、完成したモデルを生産用装置に転送します。
既存の検査に追加
カスタムモデルは選択した検査領域にチェックを追加します。既存の検査項目は引き続き実行されます。
モデルを更新・置換
グループ単位でモデルを無効化するか、サンプルを追加して再学習するか、新しいバージョンに置き換えます。
検査したい不良をお見せください。
エンジニアによる30分のデモにご参加ください。サンプル画像をご用意いただければ、ラベル付けとモデル学習をご案内します。
既存の検査で過検出が発生しても、専用モデルは不要な場合があります。フィードバックを送信し、AI更新を実行して既存モデルを改善します。