由于人手不足，自动化检测的要求逐年增加，受最近的新冠肺炎影响，工厂无法集中人手，低开工率的状况持续。因此，在需要大量人力的外观检测中，自动化、省人化的要求更加紧迫。面向有这样问题的日本、中国工厂，奥泰斯公司开发了业界首款AI外观检测·支持混合型图像处理系统——AI StellaController。

AI Stella Controller搭载有PVI软件，该PVI软件是由PFN株式会社开发的应用于外观检测的深度学习软件，能够削减基于传统规则标准的图像处理[1]检测中产生的调整工时和设备费用的浪费。同时,很难找出最适合的调整值,也有助于减少频发的过检现象[2]。此外，还可以代替至今为止不得不依赖于人手的感官检测方式，为解决工厂人手不足的问题做出广泛贡献。

产品特征

1.业界首款搭载AI外观检测和基于传统规则标准图像处理功能的混合型图像处理系统

像外观检测那样作为检测对象的不良形状涉及多方面的检查，AI的有效利用变得非常有效。但是对于明确的检测目的（定位、尺寸测量、文字识别、条形码读取等）的自动化，适合基于传统规则标准的图像处理方法。对于这样的检测问题，通过利用AI Stella Controller，可通过1台图像处理系统构建结合了AI外观检测和基于传统规则标准图像处理的检测设定，能够迅速应对现场要求的灵活要求。

另外，虽然存在很多期待AI外观检测的声音，但也有人犹豫还是从现有的基于传统规则标准图像处理一步一步地转移到AI外观检测。在这样的情况下，可以同时实施AI外观检测和基于传统规则标准图像处理检查判定的混合型图像处理系统AI StellaController，在开拓AI外观检测的市场和可能性方面起着非常大的作用。

2.通过PFN开发的深度学习，可以很容易地编入用外观检测软件PVI制作AI检测模型[3]

AI Stella Controller通过容易地编入PVI制作的AI检测模型，实现了高精度且迅速的AI检测模型制作和向现场导入AI检测系统。

使用PVI划时代的AI外观检测手法：

・实现高精度检测（与传统的AI外观检测方法相比，存在很多得到同等或以上结果的情况）；

・可以以较少的图像张数进行学习（可以从100张良品图像、20张不良品图像的少量数据中学习）；

・无需对不良品图像进行不良部位的示教动作（不需要不良位置的标注）；

・学习时间短（即使不是昂贵的服务器PC环境，一次学习也只需要几分钟-几十分钟左右就完成了）；

・将检测出的不良部位可视化（通过着色不良部位的图像可以视觉上确认不良部位）；

・通过直观操作可以简单地生成高精度检测用学习模型（无需精通图像处理和AI的技术人员。提供非技术人员也可使用的开发环境）。

3.开发、调整工时1/4能够迅速导入生产线的All In One图像处理系统

AI Stella Controller还提供了现场导入AI外观检测所需的其他功能（定位、尺寸测量、blog图片分析[4]等图像处理功能、设定用画面、与PLC的通信、输入输出等），能够应对现场所有检测要求的All In One图像处理系统。

通过使用AI StellaController，可以顺利进行图像获取→AI检测模型制作→现场导入等一系列的开发流程，在时间内实现外观检测的自动化。

（关于PVI的学习，需要单独的学习服务器）

利用PVI和AI Stella Controller的开发周期

AI外观检测 ，适用领域示例

产品名称：AI StellaController

目标行业：汽车、金属、橡胶、树脂、食品、电子部件、木材、半导体、玻璃等。

[1]基于传统规则标准图像处理：图像处理技术人员判断并设定用于判定好坏的指标(规则)和阈值的开发方法。

[2]过检现象：尽管是良品，检测系统却判定为不良品的现象。

[3]AI检测模型：用于从输入值（图像数据）中得到输出值（AI外观检测的好坏判定结果）的结构。AI主要通过深度学习生成。

[4]blog图片分析：基于规则标准的图像处理的基本方法之一。分析图像中存在的具有特定亮度的像素块的方法。用于分析有无块状、数量、面积、位置、长度等形状特征等的情况。