開発事例集(研究開発・Poc編)

近年、DeepLearningのモデルを手軽に作成できるツール・サービスが
販売されております。
手軽に行えることになったことで、既にDeepLearningモデルの開発に
着手されている方もいらっしゃるかと思います。

DeepLearningのモデル作成の次に課題となるのは『精度向上』。
想定した精度が出ない時には、以下を実施することで、性能改善に繋がります。
　1.各種ハイパーパラメーターを変更する
　2.学習データを増やす
　3.学習データの"パターン"を増やす。
　　Ex.照明の明るさの違い、大きさの違い、速度の違い
　4.前処理を行い、データの特徴を分かりやすくする
　5.使用するモデルを複数種類の中から、比較検討する
　6.モデルのクラス設計を見直す
　7.複数モデルを組み合わせたアンサンブルモデルを構築する

しかし、これらの作業を行うためには、専門知識やデータを用意するための
時間と労力が必要となります。

当社の「DeepEye」を使用することで、これらの精度向上策を
手軽に行うことができます。 （詳細を見る）

Deep Learning技術を用いた画像分類・物体検出を行えるオールインワンパッケージPC
・Deep Learningに関する詳細な知識は必要ありません
・Deep Learningの動作環境(Linux)の準備・知識は必要ありません
・ユーザーフレンドリーなGUIで学習用データの作成・学習モデルの
作成・推論実行の一連の処理を簡単に実行できるため、自社内で何度でも検証が行えます
 （詳細を見る）

AIベンダーに依頼した際に、成功しやすい開発について紹介致します。

1．ゴールやプロセスが具体的である
　「〇〇製品の△ラインの□作業を自動化したい」など具体的なゴール設定が
　できていて、プロセスも明確な開発は成功するケースが多いです。

2．データ取得環境が整っている
　データの純度は開発結果に多大な影響を与えます。
　そのため、データ取得環境が整っている場合は成功率が高くなると言えます。

3．AIをシステムの一部として捉えている
　AIはあくまで、ニーズ解決のための手段として捉え、使用環境などを
　考慮することが大切です。

3つのポイントを紹介しましたが、お客様だけで上記を実践することは難しい
ケースもございます。

当社の「DeepEye」を使用することで、お手軽にAI開発に取り組むことが可能です。

　・売り切り型のため予算が立てやすい。
　・AIで出来るか不明確な場合にも、何度も検証できる。
　・課題の数が多い場合でも、金額が変わらない。

また、当社ではAIコンサルティングも行っており、お客様の課題解決に向けた
サポート体制も整えております。 （詳細を見る）

外観検査(検品)にAI技術を適用することを検討されている方も
多くいらっしゃると思います。

外観検査にAIを活用する際のポイントをまとめます。

◆導入後のメリット
　・人的コスト削減
　・生産効率の向上
　・判定水準の一定化
　・検出率の向上

◆導入する際に課題となるポイント
　・撮像条件を整えることが難しい
　・判断基準を明確にすることが難しい
　・AIで検出できるか分からない
　・AIベンダーによってはAI使用料金が定期的に発生する

◆DeepEyeで解決！
　・980,000円と安価な価格を実現している
　・売り切り型なので、使用量に関わらず支払い金額は一律
　・無料貸し出し期間を2週間設けているため、検討材料を得ることが出来る
 （詳細を見る）