画像計測・検査の自動化

人の目と手作業だけでは、品質と生産性を両立できない。

1. 判定が検査員の経験に左右される
   目視検査では経験や状態によって判定に差が生じ、品質を保ちながら検査量を増やすことが難しくなります。
2. 微細な欠陥・寸法ほど測定が難しい
   SEM（走査電子顕微鏡）、TEM（透過電子顕微鏡）、光学顕微鏡などの画像から、微細な欠陥や寸法を正確に判定する必要があります。
3. 画像品質と学習データに制約がある
   ノイズ、低コントラスト、撮像条件のばらつきがあり、十分な教師データを準備できないケースもあります。
4. AIモデルだけでは生産ラインに導入できない
   実運用には、撮像条件、カメラ、照明、センサー、処理装置、既存設備との接続、リアルタイム処理まで含めた全体設計が必要です。

「見る・測る・判断する」を、一つの検査工程へ。

1. 外観異常を自動検出
   材料や部品の画像から傷、へこみ、変色、異物などを検出。既知欠陥を分類するとともに、既存分類に当てはまらない未知の異常も発見します。
2. 画像から寸法を自動測定
   膜厚、長さ、面積、角度、曲率などを画像から測定し、公差への適合を判定します。半導体の自動測定では、従来型画像処理と深層学習を組み合わせ、熟練者による手作業と同等レベルの測定精度を実現しました。
3. 微細画像に合わせて前処理と認識を最適化
   ノイズ低減、コントラスト補正、領域分割などを組み合わせ、境界が見えにくい対象にも対応します。カラーフィルターセルの測定では、限られたサンプルから対象境界を抽出し、高精度な測定を実現しました。
4. 従来型画像処理と深層学習を使い分ける
   高速・安定したルール処理と、複雑なパターンに強い深層学習を組み合わせ、必要精度、処理速度、データ量、計算資源に応じた処理構成を設計します。
5. 生産ラインまで一体で設計
   撮像、画像解析、判定、設備連携、結果監視までを一つの工程として構築し、既存の品質管理システムへ統合します。画像認識・異常検出の技術は、安全監視やリスク管理にも展開できます。

検査を自動化し、品質管理をデータ化する。

• 検査品質を標準化

  熟練者の経験だけに依存しない判定基準を実現します。

• 測定作業を自動化

  微細寸法の測定と合否判定を自動化します。

• 24時間検査へ対応

  人員配置に依存せず継続的に検査できます。

• 既存ラインへ統合

  撮像から設備接続まで一体で設計します。

• 未知の異常も発見

  既知欠陥だけでなく、新しい異常の検知につなげます。

AIモデルではなく、検査工程全体を設計する。

画像検査の自動化には、対象物に適した撮像、画像処理、AI、測定ロジック、設備連携が必要です。Technicaは、微細画像解析と自動測定の技術を、現場で運用できる検査工程として統合し、品質と生産性の両立を支援します。