検査員の人材不足
点検品質の劣化
点検頻度が上がり
コスト増加
transformerベース(*2)のアーキテクチャと比較して遜色のない性能を持つ最新のcnnアーキテクチャ(*3)を採用することで、高いレベルの精度と速度のバランスを達成。
撮影した画像をアップロードするだけで、自動でさびの箇所を検出。これまでは1枚1枚、人の目で確認していた作業を自動化できます。ニーズに応じて、劣化度合いを判定するソリューションもご提供可能です。
(*1)自社データを用いた検証結果
(*2)transformer...注意機構と呼ばれる仕組みで構成されたアーキテクチャ。主に自然言語処理の分野で使用されるAIモデルに採用されていたが、近年では画像分野にも盛んに応用されている。
(*3)cnn...画像分野のAIモデルに従来から採用されてきたアーキテクチャ。畳み込みと呼ばれる処理を担うレイヤーが重ねられた積層構造が特徴的。
お手持ちの撮影画像を使い、さび検出をお試しいただくことができます
従来、膨大な数の撮影画像を人手で一枚ずつ目視でチェックする作業は、数日を要していました。この目視検査は、疲労や経験の度合いによって精度が低下するリスクがあります。AIの導入により、このプロセスが大幅に効率化され、作業の完了に必要な時間は半日程度に短縮されます。人間の役割は、AIの処理の最終確認など補助的なものに限られるため、人件費や時間の大幅な削減が実現されます。
NEDOの「高効率・高速処理を可能とするAIチップ・次世代コンピューティングの技術開発」の一環として、KDDI株式会社と株式会社アラヤが実施した実証実験では、弊社のさび検出のAIモデルが活用されました。特に、送電鉄塔においてはさびによる不良が多く、これまでは点検員が多くの画像を目視で確認していました。これらの作業を、複数の角度から撮影された画像を用いてAIの画像解析技術により行うことで、効率的な業務運用が可能となりました。
*画像はNEDOとのプレスリリースより引用したシステム構成図（リンク）
プラントの老朽化が進む中、配管などの外部検査の重要性が増しています。しかし、検査員の高齢化による人手不足が問題となっており、これが業務の効率化を必要とする大きな課題になっています。さらに、人の手による検査では、担当者によって検査の質にばらつきが生じることも問題です。このような状況の中、さび検出のAIモデルを導入することで、検査の品質を均一化し、検査プロセスの効率化を実現しました。
アラヤが独自に開発したさび検出AIモデルを
お手持ちの画像を使ってお試しいただけます。
アラヤが独自に開発した
さび検出AIモデルを
お手持ちの画像を使って
お試しいただけます。
受託開発・お問い合わせ
