RPipe-Image

外観検査装置組み込み専用のAI開発ツールRPipe-Image

進化し続けるSoTAモデルのAIアルゴリズムを実装するためのAI開発ツール。自由な設定と組み合わせでAIモデルを開発。
現行の製品・製造ラインにスムーズに移行可能。
Kaggleでの知見も詰まった、AIエンジニアの“欲しい”を手に入れるAI開発ツールです。

お問合わせ・資料請求

2022年秋正式リリース予定

効率的なフロー、精度の改善、業績への貢献。
課題解決はAIの開発現場から始まります。

企業の課題、エンジニアの課題。
双方を解決するのはAI開発ツール「RPipe-Image」

バラバラだったAIの開発環境の統一、豊富に揃えた最先端のAIモデル、機器との連携に特化したインターフェース。
RPipe-Imageは高精度な外観検査AIをスピーディに開発する機能が揃っています。

導入メリット効率的な開発から運用の内製化まで、RPipe-Imageが実現します。

開発コストの低減

豊富な機能・パーツの装備により、開発工数を大幅に削減します。Ristでは10分の1の工数削減を実現しました。機器との連携に特化したインターフェースにより、スムーズに組み込みができます。

常に最高品質の
高精度AI

搭載するアルゴリズムは高頻度にアップデート。Kaggleでの知見も詰まった最先端のアルゴリズムと、Ristのベストプラクティスを詰め込むことで、AIは常にブラッシュアップされ、精度を高め続けます。

競争優位性を向上

機器への組み込みを前提にしたAI開発ツールなので既存製品にも対応が可能。頻繁にアップデートされるアルゴリズムを使ってAI機能を低コストでスピーディに強化し、製品競争力を高めます。

エンジニアに自由を。
AI開発にスピードを。

Ristのエンジニアが、社内で蓄積されたノウハウの共有と効率化を図るため開発したツールが大きく進化しました。統一した開発環境で最適なAIモデルを選定し、技術検証のサイクルを効率的に回す強力なAI開発ツール、それがRPipe-Imageです。

豊富に揃えた最先端のアルゴリズムは常にアップデート。統一された開発環境は、あらゆるAIモデルを設定ファイルの変更だけで学習・評価・推論ができます。
プログラミングの知識がなくても自由に組み合わせを試したり、高度な知見を持つエンジニアは個々のAIの設定値を細かく調整し、より精度の高い開発が行えます。導き出した最適な組み合わせをモジュール化してお客様の既存製品に繋ぎ込むことも可能。

AIエンジニア本来の作業に専念できる環境を整え、より高精度な外観検査AIシステムを構築する近道を築きます。

資料請求、無料Webカウンセリングのお申し込みなど、お気軽にお問い合わせください。

AIエンジニアの創造力を
最大限に広げる
5つのポイント

01常に最先端かつ豊富なAIアルゴリズムを搭載

画像分類だけでも50種類以上のアルゴリズムを搭載し、また外観検査で重宝される良品学習の最先端アルゴリズム(FastFlow/PatchCore)等も搭載。OSSからだけでなく、国際学会等で発表される各分野のSoTA(State of The Art:最先端)のAIアルゴリズムや、KaggleのWinning Solutionの分析手法もRist独自に実装。豊富なAIアルゴリズムから組み合わせて開発できます。

搭載アルゴリズムの種類

Image Classification
Object Detection
Semantic Segmentation
Instance Segmentation
Anomaly Detection

02統一されたフォーマットの設定ファイルで、様々なタスクを実行可能

設定ファイルの変更のみで様々なAIモデルの学習・評価・推論が可能です。

03AIの各種パーツまで細やかに設定可能

AIの各種パーツ(Model, Optimizer, Loss, Scheduler, Runner, Augmentation等)について個別に設定が可能です。高度な知識をもったAIエンジニアであっても物足りなさは感じさせません。

04高精度のパラメーターをデフォルトで設定

各種AIモデルはCOCOやImageNetといった業界標準のオープンデータセットにて精度/速度を検証しており、お客様に情報を公開しています。これらの標準データセットにて高い精度を達成したパラメータによってデフォルトの設定がされています。

05外部システムへの組み込みも、外部システムからの操作も容易に実行

すべての機能をWebAPI(RestAPI)で実行する事ができるため、他システムから操作する事が容易です。コマンドラインベースからの操作も可能。

外観検査をより高精度にする、
さまざまなアプローチ。

case. 01

複数の撮像条件からの判定

ひとつの撮像条件(カメラ、照明)で全種類の不良を撮影するのが難しく、複数の画像から総合的に判断を行う場合があります。
例えば、異物不良の場合「カラー画像と白黒画像の両方で写っている場合は金属系異物、カラー画像にのみ写っている場合は非金属系異物」のように判断する事があります。

このような場合でも、RPipe-Imageであれば複数の撮像条件で撮影した複数の画像を多次元の“1つの画像”として学習・推論する事が可能です。

複数の撮像条件からの判定

case. 02

不良種類の階層構造ごと学習 [マルチタスク分類]

AIを学習させる上で、どの粒度で不良の種類を分類させるかを決める必要があります。一番粗い粒度では「良品」「不良品」の2択となりますが、その粒度では不良の中に様々な種類が混在してしまい、精度が出ない事が多いです。そこで、「キズ」、「異物」などの不良の種類毎に分類して学習させますが、実は「キズ」の中にも「打痕のようなキズ」や「線のようなキズ」などの種類があり、「異物」も「金属異物」、「非金属異物」といった種類や、発生する場所によって細かく分かれていたりします。

細かく分ければAIの学習にはプラスの情報となりますが、一方で不良の種類毎の画像枚数が減ってしまうため、細かく分けすぎると逆に精度悪化を招いてしまいます。

そこで、複数の問題を同時に予測するマルチタスク分類機能を活用します。実運用上必要な粒度(例:良品/不良品)での学習を行うと同時に、より細かい分類も同時に学習させる事によって、細かい分類情報も役立てる事ができます。

マルチタスク分類

case. 03

学習データと推論データの“画質の差”を吸収する“Domain Adaptation”

原則としては、AIの学習に使う画像データは、実際にAIが推論する画像と同質のものを集めなければなりません。外観検査の多くの場合は、撮影・照明などの環境がお客様のコントロール下にあるためこれが可能な場合が多いです。

一方で、様々な事情により、AIが推論対象とする画像を事前に集める事ができなかったり、あるいは意図せずデータの質が変化してしまったり、元より違う種類のデータを学習させる事が検証テーマの背景の場合もあります。例えば、同じ機種のカメラ、同じ撮影条件だったとしてもハードウェア起因による器差を完全になくす事はできません。また、CGデータで学習したAIモデルを実写真に対して推論させたいという場面もあります。

そのような時は、ドメイン・アダプテーションの技術を活用します。本技術を活用すれば、学習データが十分に存在するソース・ドメインから得られた知識を、データが十分でないターゲット・ドメインに適用することが可能です。

Domain Adaptation

RPipe-Imageシステム概念図

RPipe-Image システム概念図

Contract Flow

  • お問い合わせ

    お問い合わせいただいた皆様には、無料Webカウンセリングにて、現状の課題を具体的にお伺いいたします。
    まずはお気軽にお問い合わせください。

  • 無料トライアル 1ヶ月

    RPipe-Imageを1ヶ月間お試しいただけます。この間、利用方法などは弊社のエンジニアがサポートいたします。

  • ライセンス購入のご案内/ご購入判断

    開発ライセンス/実行ライセンスに、それぞれ買い切り型、サブスクリプション型がございます。
    お客様のニーズに合わせたライセンス数・提供形態を選定いただけます。

資料請求、無料Webカウンセリングのお申し込みなど、お気軽にお問い合わせください。

FAQ

  • 価格を教えてください。

    1ヶ月間は無料でご利用いただけます。その後の費用は、ライセンス数・提供形態によって異なります。まずはお気軽にご相談ください。

    open/close
  • ライセンス形態を教えてください。

    学習と推論の両方が可能な開発ライセンスと、推論のみができる実行ライセンスの2種類がございます。また、それぞれについて「買い切り型」と「サブスクリプション型」の2つの形態でご提供しています。詳細についてはお問い合わせください。

    open/close
  • 環境の提供方法を教えてください。

    RPipe-ImageはDocker Imageとしてご提供します。インターフェースについてはREST APIで操作します。詳細についてはお問い合わせください。

    open/close
  • 動作環境を教えてください。

    システム要件は以下のとおりです。必要スペックは利用目的に強く依存するため、無償トライアルにおいて動作確認頂く事をお勧めいたします。

    《必須》
    OS:Ubuntu 18.04 LTS
    CPU:Intel Core i5
    GPU:NVIDIA GeForce GTX 1080
    メモリ:16GB RAM
    ディスク空き容量:64GB

    《推奨》
    OS:Ubuntu 18.04 LTS
    CPU:Intel Core i9
    GPU:NVIDIA GeForce RTX 3090
    メモリ:64GB RAM
    ディスク空き容量:1TB

    open/close
  • 利用できるアルゴリズムを教えてください。

    RPipe-Imageでは豊富なアルゴリズムを提供しています。代表的なアルゴリズムとしては下記をご利用頂けます。

    Image Classification:ResNet, Swin, EfficientNet
    Object Detection:Faster R-CNN, YOLOX
    Semantic Segmentation:Swin, BEiT, SegFormer
    Instance Segmentation:Mask R-CNN
    Anomaly Detection:PatchCore, SPADE, FastFlow


    また、今後サポートする手法は随時追加する予定です。

    open/close

Support

共通事項
内容:Slack(チャットツール)によるQ&Aの技術サポート
制限:お客様のSlack登録5名まで
対応時間:Rist営業日の11:00-16:00
レスポンス:ベストエフォートで営業時間10時間以内返信
システムサポートの対応範囲
RPipe-Imageの利用方法に関するQ&A
RPipe-Imageで発生したエラーに対するQ&A
精度改善サポートの対応範囲
システムサポートの対応範囲全て
AIモデルの精度改善に対するアドバイザリーサービス
 週1回、30分のミーティングで進捗状況の確認
 月1回、2時間のミーティングで精度改善に対するアドバイザリー
 適時Slackで精度改善に対するQ&A

※プロジェクトが軌道にのるまでの最初の2〜3ヶ月は「精度改善サポート」として、そのあと「システムサポート」もしくはサポートなしに切り替えるがおすすめです。

Release Schedule

Release Date 2022.09
Image Classification機能リリース
Anomaly Detection機能リリース
Object Detection機能リリース
Instance Segmentation機能リリース
Semantic Segmentation機能リリース
Release Date 2022.12
Image Classification
Domain Adaptation、Metric Learning機能の追加

資料請求、無料Webカウンセリングのお申し込みなど、お気軽にお問い合わせください。