ご依頼いただいた企業様では従来、製造ラインで流れてくる原材料(植物)にまれに混入する微細な異物を、検査員が目視で発見する必要がありました。

検査対象の原材料やそこに含まれる異物には、それぞれ複数の種類・色が存在し、形状も不特定でした。
一度にあらゆる原材料・異物に対応するのは現実的ではないため、段階的に対象を広げ、精度を向上させることにしました。具体的には、原材料と異物の学習データ量の適切な比率を探索し、段階的にアルゴリズムをチューニングしながら目標精度を達成させました。

誤検知率を低減させるために、以下のような施策を行いました。
検査対象を動画で撮影し、各フレームごとにAIが異物の有無を判定。そのうえで「本当の異物であればAIが複数回連続で異物であると判断する」という根拠に基づき、１フレームのみでの異物の検知（＝誤検知）を排除しました。　　　
これにより、お客様と設定した目標誤検知率0.04%を達成させました。(検出率は約80%)

AI導入後も、お客様において原材料と異物の種類が変化・増加するため、お客様自身で対応する原材料と異物を変えられるための追加学習が行えるシステムを構築しました。
その際、AIに詳しくない方でも、アノテーション(データのタグ付け)作業が効率的に行なえ、また、精度の検証や妥当性の判断をしやすい仕組みにしました。

また、現場(製造ライン)での業務プロセスを考え、統合コントローラー(PLC)と連携し、異物が検出された際に、コントローラーがアラートを鳴らし、コンベアを停止するといった運用を実現しました。