AIによる産業用品質管理

NanoALは移動するコンベアベルト上で材料を自動分類し正確な位置を検出するビジョンシステムが必要でした - PLC除外メカニズムを適切なタイミングでトリガーするために重要です。システムは2つのカメラフィードを14 FPS以上で同時に処理し、95%の検出精度を超え、産業環境の粉塵・振動下で24/7無人で運用する必要がありました。

課題

• PLC除外を正確にトリガーするにはベルト上の材料の正確な位置を検出する必要があった - 分類だけでなく
• デュアルカメラ構成は両カメラで同時に14 FPS以上のスループットを維持する必要があった
• 産業環境（粉塵、振動、変動する照明）により24時間体制のモデル堅牢性が求められた
• システムはハードウェア交換なしで既存のPLC除外メカニズムと統合する必要があった

ソリューション

• コンベアベルト上の材料座標を正確に特定するYOLOベース検出と位置特定
• 2つの同時カメラフィードで14 FPS以上を維持するTensorRT最適化推論
• リアルタイム検出出力に基づき既存除外メカニズムをトリガーする直接PLC統合
• 産業環境で24/7連続運用向けに硬化されたエッジGPUデプロイ

アーキテクチャ

成果

• 実産業環境で95%検出精度要件を上回る結果
• 両カメラフィードで14 FPS以上を維持し、検出からPLC信号まで100ミリ秒未満のレイテンシ
• ハードウェア交換なしで既存PLC除外メカニズムと統合
• システムは24/7で運用されオペレーター介入不要

技術スタック

• AI/ML: Python, TensorRT, YOLO
• インフラ: エッジGPU, PLC連携