ルールベースではなく、
AIなら自動化できるかもしれない

六甲バターでは、国内チーズ需要の順調な拡大に伴って、生産体制を強化し
生産量アップを進めてきました。

しかし、生産量の増加に比例して不良品を選別する目視検査員も増加してしまうため、
将来の人員確保が難しくなる事を見越し、
目視検査をはじめとした工場作業全体の自動化というテーマに取り組んできました。

工場で働く目視検査員の方々は、検査以外にもチーズの重量選別をはじめ、
発生する包装ロスの廃棄作業などのほか、工程に異常が起こっていないかを
目や耳で判断し、 その日の状態把握も行っています。
それらを一つずつ解決しながら、進めてきました。
しかし、チーズ包装の外観検査自動化はこれまでのルールベースでは困難であり、
懸案のテーマとなっていました。

ルールベースの外観検査が難しいのは、食品では、不良のパターンが非常に複雑で
多様であり、 機械が不良品をNGと判定する基準（閾値）を
設定することが難しいなどの理由から、
食品工場における目視検査を完全に自動化することは非常な難問で、
さまざまな試行錯誤を繰り返してきました。

そんな折、AIやディープラーニング技術の進展を知り、良品を学習させて、
良品以外はNGと判断するAIなら目視検査の自動化ができるのではないか、と考え、
2017年頃より導入検討を開始されました。

六甲バター株式会社　小泉 忠 氏

AIならもっと簡単に不良を認識すると思っていた

小泉氏は、それまでルールベース方式での外観検査の自動化検討にも取り組まれてきた経験から、
「機械が正しく不良を認識するには、特徴を的確に捉えて撮像するための
照明とレンズが極めて重要」と考えていました。

しかし、慎重に照明・カメラ・レンズを選定して実証実験を行っても、
撮影環境を整えていくたびに機器の入れ替えが必要となるなど、困難の連続でした。

照明やレンズも数種類使用し、シーシーエスのテスティングルーム（実験室）も利用して、
少しずつ不良検出の精度を向上させていきました。

撮像条件が変わるたびに、数万点の画像を取得し、その画像に対してアノテーションを行うのですが、
この作業を何度も繰り返すことは非常に手間がかかり、
学習データに必要な画像取得に１年～１年半もかかる程でした。

そんな折に、シーシーエスのフラットドーム照明の新機種「LFXVシリーズ」が発売になり、これを試したところ、
発光面に印刷されたドットパターンによる画像への影響が低減された（従来品からの改良点）ことから、
アノテーション作業は格段にし易くなりました。

ラインに流れてくるチーズに対して 照明を照射しカメラで撮像している。

最終検査自動化システム　構成
（ベビーチーズ充填包装機に取り付け）

• カメラ・レンズ

• 検査用LED照明

• GPU搭載のコンピュータ

• 位置検出センサ

• エアーによる不良品排出装置

• 制御用コンピュータとタッチパネル

「不良の特徴を引き出した画像を最初から取得することができれば、AIによる自動化はスムーズだろう。
そういった意味で、撮像のプロであるシーシーエスに最初から相談し、
AIが不良を認識しやすい画像を取得することは極めて重要なポイントだと思う。」（小泉氏）

今後は、横展開を実現しながら
NG要因が分かるようにしたい