人工知能(AI)・機械学習のサービス・コンサルティングならブレインパッド

TOP > 導入事例・実績 > 食品・飲料 > 食品工場の製造ラインにて原材料の不良品検知にAIを活用

Case study

人工知能(AI)の導入事例・実績

※2023年11月1日より、最新記事は弊社別サイト(DOORSメディア)に掲載しています。データ活用、DXの最新情報をぜひご覧ください。

食品工場の製造ラインにて原材料の不良品検知にAIを活用

キユーピー株式会社様

工場の製造ラインに流れる食品を撮影した動画を題材に、コンピュータが良品・不良品を見分けるルールを自ら学び、不良品を判別するアルゴリズムを深層学習(ディープラーニング)や画像処理技術を用いて構築。製造ラインの検品画像データに適用し検知精度や速度の評価を行うことで上記システムの実現可能性を検証しました。

Solution

このようなソリューションを実現しました

不良品を検知するため、製造ラインに流れる食品を撮影した動画を深層学習(ディープラーニング)の画像認識技術を用いて解析し、教師なし学習の手法を使って製品汎用性の高い異常検知アルゴリズムを開発しました。良品・不良品を判定する"分類器"としてではなく、良品のみを学習しそれ以外を"異常検知"として検出するアルゴリズムを適用することで精度と速度の両立を実現しました。アルゴリズムは、Google のオープンソース化された深層学習ライブラリ「 TensorFlow 」を使って実装しています。

課題

ジャガイモをはじめとする食品原料は個体ごとの揺らぎが大きく、また品種も多種多様であるため、良品・不良品の検査・仕訳を自動化することが難しく、人手に頼らざるをえませんでした。多くのスタッフを動員して長時間に渡り行われる目視の原料検査は作業負荷が非常に高く、作業従事者の労働環境の改善が長らく課題となっていました。

導入後の成果

良品データのみを学習させることにより、精度と速度の両立が可能になりました。プロトタイプを使ったテスト稼働では、一定の精度で不良品を検知。完成したプロトタイプを実稼働工場に導入して実証実験に着手することができました。今後は、さらに原料検査の速度を上げて生産効率を向上し、現場作業者の負担軽減を目指します。

Voice

お客様の声

サービス導入の背景

消費者に対する安心・安全を確保しつつ、効率的かつ高精度に行える材料の受け入れ検査の仕組みを模索する中で、機械学習・AIならこの状況を打破してくれるかもしれないと思いました。

当社のサービスを選んだ理由

画像解析の分野で将来性や発展性に富むGoogle の TensorFlow に注目し、Google の開発パートナーであるブレインパッドさんを紹介してもらいました。難しいテーマでしたが、リスクをものともせずチャレンジし、終始真摯に対応してくれました。

人工知能(AI)・機械学習を活用した
ビジネス課題の解決

ホワイトペーパー ダウンロード

Webでのお問い合わせ

お電話でのお問い合わせ

03-6721-7002

Search

事例を検索する