株式会社Phoxterは、外観検査向けAI学習プラットフォームの販売を2026年10月に開始しました。
新製品「StellaDeepVision Studio」は、良品サンプルだけでAIを学習できる仕組みです。
不良サンプルの収集を省き、従来の不良学習と同等の検査精度を目指します。
記事の概要
「StellaDeepVision Studio」は、Phoxter独自開発の外観検査特化型モデルを採用した製品です。
良品の複雑なばらつきを学習し、高い検査能力と軽量な演算負荷を両立したとしています。
不良ラベルを使わず、過検知と検知漏れのペナルティを1つの数式で表現します。
これにより、想定外の未知の欠陥も良品からのズレとして捉えます。
サンプル追加から再学習までの時間は、最短約1分としています。
最適なしきい値を自動設定し、AIの専門知識がなくても現場で学習できます。
導入から設備運用開始までの期間は、従来比で90％短縮するとしています。
良品率の高い工程や多量多品種の製造ラインなどでの活用を想定しています。
記事のポイント
- 良品だけで学習： 不良サンプルを集めにくい工程でも、良品画像のみで検査モデルを構築できます。
- 最短約1分で再学習： サンプル追加から再学習までを短時間で完了し、品種変更にも対応しやすくします。
- 不良学習も追加可能： 厳密な検査要件には、不良学習とアノテーションマスクを追加できる機能を備えます。
このニュースがもたらす影響
- 導入検討企業： 不良品を集めにくい工程や品種切り替えの多いラインでは、立ち上げ前のデータ準備と変更時の再学習工数を見直し、現場運用まで含めた検証が必要になりそうです。
- 同業サービス提供者： 良品学習と最短約1分の再学習が訴求されることで、精度だけでなく導入期間、現場担当者の操作性、未知欠陥への対応力も比較軸になる可能性があります。
- 検査装置メーカー： 既存設備の画像データにAI検査を付加できる構成が示されたため、装置の全面更新ではなく、既存設備との接続性や後付け運用を提案する必要が高まりそうです。
このニュースの背景
製造現場の外観検査では、良品率が高い工程や新ラインで不良品が集まらず、AI学習に必要なデータを準備しにくい状況がありました。
品種や検査基準が変わるたびに学習・調整が必要で、設定項目の多さが専門担当者への依存にもつながっていました。
今回の製品は、良品のばらつきからのズレを捉える学習により、不良サンプルの収集を前提としない検査モデルの構築を狙ったものです。
サンプル追加から再学習までを短時間で行えるため、変化の多い製造ラインで現場側が改善サイクルを回すことを意識した設計と考えられます。
関連するニュース
- パーフェクト社は、Lisonoの「Snaplyze」にAI解析技術を提供し、クリニック・サロンの集客を支援します。
- GenXがAI OCR結果を数式や書式を保った既存Excelへ反映するEXCELAを提供開始しました。
- Metanomalyはアニメ特化モデル「Tsubaki.3」を公開し、技術レポートとTaggerをオープンソース化しました。
詳しい記事の内容はこちらから（引用元）
株式会社Phoxterのプレスリリース（2026年10月6日 09時00分）Phoxter、外観検査自動化の常識を変える…
https://prtimes.jp/main/html/rd/p/000000035.000135061.html