LearningCam画像を使用して作業数をカウントします
製品を検査して結果を表示します

LearningCamは、カメラ自体に統合されたウェブアプリを持つエッジAIカメラです。カウントラインを通過したワークピースを数え、AIモデルを使用して良品（OK）と不良品（NG）を区別します。カメラは内部で画像を処理するため、画像をコンピュータやクラウドに送る必要はありません。タブレットや複数のコンピュータのブラウザから結果を確認したり、設定を変更したりできます。

旧式のカウンターは何かが通過したことを知るだけですが、異なるワークピースモデルを区別することはできません。手動での数え上げと視覚的な検査は検査員を疲れさせ、誤りにつながることがあります。LearningCamはカメラからの画像を使用し、以下の表に示すように2つの動作モードがあります。

LearningCamはTask Camとはどのように異なるのでしょうか？

LearningCamはワークピースを観察し、Task Camは作業員の作業プロセスをワークステーションで観察します。もしあなたの課題がカウントや不良率であれば、LearningCamから始めましょう。もし課題が作業員が順番通りにタスクを完了するかどうか、また各ステップがどのくらいかかるかであれば、Task Camをご覧ください。

LearningCamは5つのステップで起動します：カメラの取り付け、電源とネットワーク接続、モデルの選択とフレームの描画、実際運用前のテスト、AutoRunの有効化。すべてのステップはカメラのウェブインターフェースを通じて行われ、ソフトウェアのインストールは必要ありません。

1. 1

   カメラを検査ポイント上部に取り付ける

   カメラを配置して、ワークピースが通過する全体のエリアを確認できるようにします。Inspection Camモデルでは、12mmレンズを65cmから見ると、概ね14x20cmのエリアが見え、最大距離80cmでは、概ね16x23cmのエリアが見えます。

2. 2

   電源とネットワーク接続

   カメラに電力を供給します。標準モデルはWi-Fi 6で接続し、ProモデルはLAN RJ45でルーターやスイッチに接続します。同じネットワーク上のタブレット、コンピュータ、またはスクリーンで結果を確認できます。

3. 3

   モデルを選択し、フレームを描く

   ブラウザを開き、カメラのウェブページにアクセスします。ジョブ用のAIモデルを選択し、検出エリアフレームを描画し、ワークピースがはっきり見えるように画像を回転させたり解像度を調整します。

4. 4

   使用前に試す

   Test Run を押してライブ結果を確認します。カウントや分離がまだ正確でない場合は、実際のワークピースのビデオを記録してモデルのトレーニングデータとして使用し、新しいモデルをアップロードします。

5. 5

   AutoRun を有効にしてプロセスを開始する

   カメラを電源投入時にログインし自己検査を開始するように設定します。その後、WebhookまたはnimitFlowを結果受信のためにバインドします。

カメラのウェブページには何がありますか？

• ダッシュボードステータス — 日時、現在使用中のAIモデル名、動作モード、部品番号別に分離されたカウント数、およびライブカメラフィードとStart、Stop、Resetボタン。
• モデルアップロード — デバイスからAIモデルファイルを選択またはアップロードし、nimitFlowへの同期ボタンがあります。
• Inference — Continuous（連続検査）またはSnapshot（画像ごとの検査）モードを選択し、検査前の待ち時間を設定します。検査領域を囲み、画像の回転や解像度を設定してからTest Runを押し、実運用前に結果を確認します
• データレコード — 単一の画像を撮影したり、最大60秒間の動画を記録したりできます。記録を逆再生で視聴し、個々のファイルをダウンロードするか、.zipパッケージとしてダウンロードしてモデルのトレーニングに使用します。メモリが満杯になった場合にシステムが警告します。
• ネットワーク — デバイス名（デバイスID）を設定し、スタンダードモデルではWi-Fiネットワークを選択するか、プロモデルではLAN RJ45に接続します。カメラのIPアドレスとMACアドレスを表示し、結果を送信するためのWebhookをコピーします。Counter Camモデルでは自動IP（DHCP）または固定IPを選択します。
• システム — カメラが電源投入時にログインし自己検査を開始するようにAutoRunを有効にします。パスワードを変更し、ファクトリーリセットと再起動を行います。

LearningCamのInspection Camモデルは、Webhook（自動データ伝送チャネル）を通じてカウントデータを送信します。メッセージにはカメラの部品番号、処理時間、OK数、NG数、トリガー信号、および日時が含まれます。工場のシステムやnimitFlowはこのデータを受け取り、さらにレポートを作成できます。手動でカウントを記録する必要はありません。

• Inspection CamモデルのWebhook - 設定に従ってデータを目的地のシステムに送信します
• nimitFlow - カウントデータをnimitFlowに送信します、オプションの追加機能です
• TaskCamとSkeletonモデル - IOピンから開始、停止、カウント、リセットのシグナルを受け取り、APIを通じてPLCや既存のカウンターと一緒に動作させることができます
• TaskCamとSkeletonモデル - 各サイクルごとにビデオとCSVテーブルを記録し、FTP経由でNASに自動的にアップロードします。アップロードに失敗した場合は再試行します。

カメラ自体で処理された画像、クラウドに送る必要はありません。結果とファイルは指定した先にのみ送られます。

LearningCamは、ワークピースが同じポイントを何度も通過し、カウントデータまたは画像からのOK/NG結果が必要な仕事に適しています。LearningCamは、SPC（統計的プロセス制御）のために数値でサイズを測定する仕事や、従業員の作業順序をチェックする仕事には適していません。デモンストレーションの前にこの表を使用して自分の仕事内容を確認してください。

寸法測定タスクはInGaugeとInQCを使用します。作業順序確認はTask Camを使用します。

カメラの性能をどのように測定するか？

不良品の選別では、全体の正解率だけで評価してはいけません。例えば、2,000個のワークのうち40個が不良品の場合、カメラがすべてを良品と判定すると正解率は98パーセントになりますが、不良品はまったく検出できていません。不良品全体のうち何個を検出できたか、良品を何個誤って排除したかという二つの指標を併せて確認します

モデルが与える信頼スコアは、現実の部品と比較するまでは正解の確率ではありません。プロセスを変更する前に既存の検査と一緒にカメラを動かすことをお勧めします。カメラの結果は補助情報です。あなたの品質チームはロットのリリースに関する最終的な決定権を持ち続けます。

仏暦2568–2569年に、プラスチック製飲料水ボトルのキャップメーカー向けに、キャップ搬送コンベアの上へLearningCamのInspection Camを1台設置しました。工場の実際のキャップ画像で学習したAIモデルが、各キャップを良品（OK）またはバリ（型の合わせ目に生じる余分なプラスチック）や成形不足などの不良品に分類し、それぞれを数えます。Controller and Reject装置が空気で不良キャップをコンベアから排除する設計ですが、排除機能の試験結果は引き続き確認が必要です

仏暦2569年一月～三月の社内試験報告では、白いキャップを毎分約398個、120分間連続で検査・計数し、チームが設定した基準を満たしました。これは検査・計数の結果であり、排除装置を含むシステム全体の検収結果ではありません。白いキャップ用モデルを使った青いキャップは基準に達していません。モデルの調整とシステム全体の納品確認は、引き続き進行中です

仏暦2559–2560年に、産業機械分野の顧客向けに、カメラと独立した処理装置によるワーク計数システム（LearningCamではありません）を開発し、振動式フィーダーへ設置しました。5種類のワークが計数ラインを通過すると、レーン別に数えます。この案件は操作マニュアルと作業チェックリストを添えて納品済みです

私たちが学んだこと

• 一つの色で訓練されたモデルは直接他の色に適用することはできません；色や生産ラインごとに別々に訓練し、テストする必要があります。
• 照明とカメラの角度はモデルの決定に影響を与えます；カメラは一定の角度に固定され、実際の生産フロアの照明条件下でテストする必要があります。
• 数え線による数え方は、工作物が定義されたエリア内で走る必要があり、振動給料機の場合、レーンから外れた工作物は数えられません。
• テスト前に受け入れ基準が合意されなければなりません、これはコンベヤー速度、テスト期間、合格基準を含みます。そして、各ラウンドで同じ報告書形式に記録されます。

あなたにとって何を意味するのか？

見積もり依頼前に、実際のワークピースの画像や動画をすべての色とモデルで提供していただき、実際に見つかった欠陥の例も含めてください。私たちは最初に生産量が多いモデルから学習モデルの訓練を始めることをお勧めします。実際のコンベアベルト速度でテストを行い、合意された基準に従ってください。その後、他のモデルを追加してください。自動的な欠陥除去が必要な場合は、除去システムとテスト時間をカメラとは別に予算を確保してください。