Challenge

バッテリーのリアルタイム生産環境では、1つのバッテリーあたり2秒以内に推論を完了する必要があり、明るさの変化やカメラの構図変更など、生産ラインの稼働中に発生する環境的な変化にもモデル性能が低下しないよう、再学習およびデプロイメントするシステムが必須です。X線によるビジョン検査で取得された画像から、バッテリーの欠落や切断などの異常な画像を分類し、異物混入や電極の湾曲など、多様な不良の有無を正確に判断できるAIモデル運用体系（MLOps）を実現します。

Approach

不良を判定する基準を再定義したAIモデルを開発し、データセットの品質を向上させ、不良を正確に検出できる方向でモデルを学習します。高速推論を実現するため、速度と性能のトレードオフを考慮し、CNN系モデルを比較して最適なモデルを選択します。また、大量のデータを学習したベースモデルを活用し、少量のデータでも迅速にモデルを学習させ、短期間で変化する運用状況に対応できるようにします。生産中のバッテリー画像を分析し、正常な画像と異常な画像を区別できる特徴の抽出が可能です。

 

Value Delivered

4つの生産ラインにAIモデルを展開し運用することで、リアルタイムな不良検出を通じてバッテリー生産の品質管理の効率を最大化します。他の工場と生産ラインへの展開により、より広範な生産環境においてAIベースの品質検査を拡張性と共に適用します。