Amazon Lookout for Vision
製造ラインの画像から製品の欠陥を自動検出する ML ベースの外観検査サービスで、少量の学習データから高精度な異常検知モデルを構築する
概要
Amazon Lookout for Vision は、製造業の品質管理向けに設計されたコンピュータビジョンサービスです。正常品と欠陥品の画像を数十枚用意するだけで、製品の外観異常 (傷、変色、欠損、位置ずれなど) を自動検出するモデルを構築できます。専門的な機械学習の知識は不要で、画像をアップロードしてラベル付けするだけでモデルのトレーニングが完了します。エッジデバイスへのモデルデプロイにも対応し、製造ラインでのリアルタイム検査を実現します。
モデルトレーニングとデータセット設計
Lookout for Vision のモデルトレーニングは、正常画像と異常画像をアップロードし、異常画像に対してラベル (異常の種類) とセグメンテーションマスク (異常箇所の領域) を付与するだけで開始できます。最低 20 枚程度の正常画像と 10 枚程度の異常画像からモデルを構築でき、データが増えるほど精度が向上します。画像の分類 (正常/異常の二値判定) とセグメンテーション (異常箇所のピクセルレベル特定) の両方に対応しています。トレーニング完了後、テストデータセットに対する精度 (Precision)、再現率 (Recall)、F1 スコアが自動的に算出され、モデルの性能を定量的に評価できます。モデルのバージョン管理により、データの追加やラベルの修正を行って再トレーニングし、精度の改善を反復的に進められます。
推論エンドポイントとエッジデプロイ
トレーニング済みモデルはクラウド上の推論エンドポイントとして起動し、API 経由で画像を送信して検査結果を取得します。レスポンスには正常/異常の判定結果、信頼度スコア、異常箇所のヒートマップが含まれます。エッジデプロイでは、AWS IoT Greengrass 上でモデルを実行し、製造ラインのカメラから取得した画像をローカルで即時判定します。ネットワーク遅延なしでミリ秒レベルの検査が可能になり、高速な製造ラインでのインライン検査に対応します。エッジデバイスとしては NVIDIA Jetson や Intel CPU 搭載の産業用 PC が利用でき、GStreamer パイプラインとの統合でカメラ映像からのフレーム取得と推論を連続実行する構成が一般的です。検査結果はローカルで即時アクション (不良品の排出) に使用しつつ、クラウドにも送信して統計分析やモデル改善に活用します。
製造業での導入パターンと ROI 設計
半導体ウェハーの表面検査では、微細な傷やパーティクルの付着を検出し、歩留まり低下の原因を早期に特定します。食品製造では、パッケージの印字不良、シール不良、異物混入を検出し、出荷前の品質保証を自動化します。自動車部品では、塗装ムラ、溶接不良、寸法逸脱を検出し、目視検査員の負担を軽減します。ROI の設計では、現状の目視検査コスト (人件費、検査時間)、見逃し率による不良品流出コスト (クレーム対応、リコール)、過検出による良品廃棄コストを定量化し、Lookout for Vision 導入後の改善効果を試算します。一般的に、検査員 1 名あたりの年間コストと比較して、Lookout for Vision の推論コスト (時間課金) は大幅に低く、24 時間稼働の検査ラインでは数か月で投資回収が可能です。