Roxy AI 紹介資料 V1.17

AIの性能向上には、一定数の学習データが不可欠です。
しかし、不良品が稀な製品では、サンプル収集が困難な課題がありまます。

Roxy AIはこの課題を解決する、画像生成AIを標準搭載しました！
豊富な機能を持つ画像生成AIがサンプル収集のハードルを下げます。

■Roxy AI 画像生成AIの機能
・様々な不良を再現
　発生位置、形状、不良種別を自由に指定し、リアルな不良画像を生成。
　現実には発生しにくい箇所の不良も、簡単に作成できます。
・過検出を徹底排除
　本物と見紛うほどの質感の正常画像を生成。
　より多くの正常画像を学習することで、過検出を徹底的に削減します。
・製品を超えて学習可能
　異なる製品で発生した不良画像をまとめて学習。
　学習済みの画像生成AIを他の製品に転用することも可能です。

生成した画像の品質には自信があります。
サンプル画像でその実力をご確認ください。

是非、御社オリジナルの画像生成AIを育ててください。
外観検査の精度向上、サンプル収集の負荷の低減にきっと効果があります。 （詳細を見る）

※説明動画がありますので、是非ご覧ください。

外観検査で使うAIは何より精度が重要になります。
上記製品の多くは、精度が上がるまでデータを追加、もしくは、
パラメーターチューニングを繰り返すことで精度の向上を狙います。

『Roxy AI』では不良サンプルの数が少ないという条件のもとで高精度を実現するため、
データの整理を重要視しています。

今回のバージョンアップでは以下のような様々な機能を追加し、
さらに使いやすく、さらに高精度を実現できるようになりました。

■撮影条件の良し悪しをAI学習する前に判断
Roxy AIはAI学習に悪影響を及ぼしかねない悪条件を学習前に検出します。
無駄な試行錯誤や手戻りを最小限に抑えることができます。

■データの自動整理
学習中にAIが不適切と判断したデータを自動的に除外することができます。
目視をチェックを不要としデータ整備にかかる時間と工数を削減します。　

■その他、いろんな観点でデータを観察できる統合ビューアなど

※詳しくは資料をダウンロードいただくか、弊社HPよりお問い合わせください （詳細を見る）

よほど簡単な検査でない限り、一回の学習で完璧なAIが出来上がることはないため、
いかに精度を上げるかが非常に重要です。

AI検査製品の多くは、以下のいずれかの方法でAIを作成します。
・AIのノウハウを駆使し、パラメーターチューニングを繰り返して精度上げ
・誰でも簡単ワンクリック。精度が悪い場合はデータをひたすら集める

間違ったり曖昧な教科書を人が一生懸命勉強しても成績が上がらないのと同様に、
AIの精度を上げるには学習データの質が決定的に重要です。
Roxy AIでは、学習データを整備することで精度を上げていきます。

Roxy AIには以下のように多くの独自の工夫があります。
・不適切な可能性があるデータを自動抽出（学習中／学習後）
・誰がやっても間違えようがない、非常に効率的なアノテーション
・不適切なデータをワンクリックで削除／入れ替え
・不足しているデータをワンクリックで増強
・学習データとテストデータ間の矛盾を抽出

他にも多くの工夫があります。是非PDFをダウンロードして、詳細をご覧ください。
 （詳細を見る）

Roxy AIは現場で使いこなすことができるAI検査製品です。

Roxy AIは「多機能」な製品ではなく、「シンプルで高性能」を目指した製品です。
機能を限定し、それに最適な独自の技術を活用することにより、高精度・高速を実現しています。また、機能を絞ることにより、誰でも簡単に使える製品となっています。

■高精度なAI検査を現場で作成
　Roxy AIはデータ（検査対象の画像）を整備してAIを育てていきます。
　データのことを一番理解している担当者が一番良いAIを作成できます。

■AIのノウハウは不要
　圧倒的に簡単なワンクリックアノテーションや、学習状況の可視化、
　手順に従って確実に精度を上げていくAI作成プロセスなど、
　誰でも簡単に使っていただける独自の工夫が満載です。

■幅広い用途で活用可能
　不良検査だけでなく、異物混入や残留物の検出でも高い精度を実現。
　製造業だけでなく、食料品や材木など様々な業種に適しています。 （詳細を見る）

・必要な機能に絞ったシンプルなAI
　できることは不良の検出、不良種別の特定、未知の不良の検出のみ。
　不良のサイズは計測できませんし、OCRなどの機能もありません。
　シンプルなタスクに最適化した独自のAIで高精度を実現。

・正常品と不良品の特徴をあわせて学習
　正常品と不良品をあわせて学習することで、境界を正確に把握。

　正常品だけで学習できるのは、不良品が出ないお客様には魅力です。
　しかし、導入判断するためには不良品を一定数集めるのでは？
　であれば、もう少し頑張って不良品を集めることで精度を向上したい。
　これがRoxyの考えです。

・不適切な学習データを徹底的に排除するプロセス
　学習データに誤りがあると、AIは誤りごと学習してしまいます。
　様々な方法で不適切なデータを検出・整備することで、
　いびつなAIが出来上がるのを防ぎます。

・誰がやってもミスがないアノテーション
　不良付近をクリックするだけのアノテーション。
　多少ずれても精度に影響ありません。テクニックは不要。
　必要なのは不良かどうかを正確に判断する検査員の経験だけ。
 （詳細を見る）

目視検査から自動検査へ移行すると、コスト削減以外にも多くのメリットが得られます。

■省人化
　・貴重な人員を単純作業から解放し、付加価値の高い作業に転換
　・検査場の『密』な環境を改善
　・近い将来にやってくる労働人口不足への備え

■検査品質の安定化
　・検査員ごとのバラつきをなくし、検査品質を安定化
　・人だとどうしても発生しうるポカミスを撲滅
　・検査員の熟練度が上がるにつれて発生しやすい過剰検出を低減

■人手に頼らない稼働増、横展開
　・24時間365日稼働の実現
　・熟練検査員の経験をAI化することで、横展開／海外展開を実現

■記憶に頼らない製造プロセス改善
　・問題発生時の振り返り材料となる検査エビデンスの蓄積

ここであげたメリットはRoxy AIに限った話ではありませんが、
高速高精度、学習が簡単、システム連携が容易なRoxy AIであれば
メリットを極大化できます。
 （詳細を見る）

※説明動画がありますので、是非ご覧ください。

Garbage In, Garbage Out.
正しくないデータを学習したAIは使い物になりません。
事実、AI開発者は80%の時間をデータの整備に費やしていると言います。

最新の研究結果や最強のアルゴリズムを使えば何とかなる？
いいえ。データを軽んじては最強のAIも宝の持ち腐れです。

正常画像に紛れ込んだ見つけにくい不良を放置して学習したら
できあがるのは紛れ込んだ不良に似た特徴は検出しないAIであり、
それは期待したAIではありません。
人なら感覚的にわかることでも、AIは融通が利きません。

では、すべての正常画像をくまなくチェックして、
不良が確実に映っていないことを保証すればよいのでしょうか？
それができれば良いですが、途方もない時間と注意力が必要です。

Roxy AIは不適切なデータは紛れ込むものと考えます。
紛れ込んだ不適切なデータは取り除いて綺麗にすればよい。
Roxy AIではAIの学習プロセス全体を通してデータを綺麗にできます。

データを綺麗にし、AIが学習しやすい条件を整えます。 （詳細を見る）