在制造业领域里，对零部件和产品能迅速检测出缺陷的工序是必不可少的。但是，引进新的检测系统往往是个大项目，有时需要改变、改造产线布局。此外，在质量检测需求较高的领域，如焊接的检测，需要熟练工能从中准确识别出缺陷，这意味着检测工序必须依靠人工。在劳动力日益短缺的时代，需要适应新时代的生产变革，能在节省人力成本的同时，还要求比以前更高的检测质量。

检查工序自动化面临的课题

使用AI图像检测技术来实现检测工序的自动化和无人化，正受到广泛的关注。那么在检测自动化过程中将面临哪些课题呢？

· 找不到最适合的检测系统

在引进外观检测系统时，当然，所需设备取决于待检产品的种类、结构等。即使检查的对象产品和项目相同。由于相机、光源的厂家不同，以及分析图像所用的手法也不同，所以很难找到完全符合自己工厂需求的设备。此外，如果所引进的设备是针对某些特定的检测，那么就很难在其他地方再利用，缺少了灵活性。因此，考虑到将来的投资回报，针对不同种类的检测，我们建议选择尽可能灵活的解决方案。

· 需要较长的准备时间

引进检测系统并不是意味着就有能立即进行检测。当然，检验员的目视检测也需要经过扎实培训和积累足够的经验去判断良否，需要大量的时间才能达到稳定的检测品质。

相信大家都熟知深度学习分析图像的方法。深度学习的方式能够确保检测质量与熟练工同等，甚至更优，并且不依赖与人工技能，但是在一些情况下效果并不理想。因为需要收集用于学习的数据，即不良品的图像样品。在一条每月只有一个不良品的生产线上，收集足够的样本图像可能需要几个月的时间，为了快速上线检测系统，我们希望检测系统的学习时间能越短越好。

 ·难以应用于现有生产线

引进检测系统最常见的方式是将其整合到现有的生产线中，或根据检测系统改造生产线。例如，如果需要大规模的系统，有时需要从头开始重新设计产线以便安装检测系统，这种情况下很难决定是否投资。为了尽快准备好检测条件，应引进一套能尽可能利用现有设备，环境，减少现场作业的负担的系统。控制初期投资，最好选择能够不用改造现有产线的情况下就可进行灵活调整的系统。

而且，使用专用硬件设备需要定期的维护费用。因此当然希望能使用通用的相机、光源、分析装置等用于检测系统。长远来看，最好选择能够自行进行简单维护，并且即使产线发生变化也能适应的高灵活性的一套解决方案。

这个时代需要东芝AI图像检测软件的理由

东芝AI图像检测软件是针对上述问题的的解决方案，它能够控制导入和运用的成本，并且利用AI技术稳定检测质量。

东芝AI图像检测软件基于东芝独创的良品学习方式，能够短时间内实现检测过程自动化并提高检测精确度。良品学习法，是一种通过仅学习良品的数据来设定良品阈值，创建良品模型的技术。

东芝的良品学习模型，还增加了反复学习的建模技术，通过多次学习，进一步提高检测精确度，从而减少误检率，防止缺陷品漏检。与传统的深度学习相比，这项技术不需要学习缺陷品图像，这可以大幅缩短实施时间。

通过案例研究来看如何使用东芝AI图像检测软件

Case1：汽车零部件焊接检测（刮痕・形状）

在引进外观检测系统时，当然，所需设备取决于待检产品的种类、结构等。即使检查的对象产品和项目相同。由于相机、光源的厂家不同，以及分析图像所用的手法也不同，所以很难找到完全符合自己工厂需求的设备。此外，如果所引进的设备是针对某些特定的检测，那么就很难在其他地方再利用，缺少了灵活性。因此，考虑到将来的投资回报，针对不同种类的检测，我们建议选择尽可能灵活的解决方案。

Case2：钢板加工的划痕、刮擦检测

面向某汽车零部件产商，在被认为比较难以实现的焊接检测自动化过程中，我们做到了与熟练工检测员判断99.9%一致的高精确度结果。这意味着，该系统可以根据不同产品的不同焊缝图像来自动判断出是否为合格产品，准确检测出缺陷产品。通过工厂全方位控制缺陷品的出货，从而将召回的风险降至最低。