解説
さらに詳しく解説
良品学習型とは
良品学習型（Good-product Learning）は、AI外観検査における学習アプローチの一つで、正常品（良品）のみのデータを学習し、学習パターンから外れるものを異常として検出する手法です。
仕組み
良品の画像を大量に学習させ、AIが「正常な状態」のパターンを獲得します。検査時は、入力画像が学習した正常パターンからどの程度逸脱しているかを数値化し、閾値を超えたものを異常と判定します。
不良品学習型との違い
| 項目 | 良品学習型 | 不良品学習型 |
|---|---|---|
| 学習データ | 良品のみ | 良品＋不良品 |
| 未知の不良 | 検出可能 | 学習済みパターンのみ検出 |
| データ収集 | 容易（良品は大量にある） | 困難（不良品は少ない） |
| 適する場面 | 不良パターンが多岐にわたる場合 | 不良パターンが明確な場合 |
メリット
- 不良品のサンプルが少なくても導入可能
- 想定外の異常も検出できる
- データ収集コストが低い
課題
- 正常範囲の変動（色ムラ、個体差など）を適切に学習する必要がある
- 異常の種類を特定できない場合がある
