Question 1

OSは何か

Accepted Answer

産業用途向けのWindows → Windows 10 IoT Enterprise を採用しております。

Question 2

OSのROM化とは

Accepted Answer

ストレージの書き換えを防止して、読み取り専用にする技術のことです。ディスクの破損を防止しております。

Question 3

PowerON起動対応とは

Accepted Answer

商用電源の起動（ブレーカON）などで起動する機能のことです。設備の電源と一緒に起動します。

Question 4

ブチ切り対応とは

Accepted Answer

OSのROM化を行うことで、シャットダウンを行わずブレーカOFFで電源を切ることが可能です。

Question 5

セキュリティ機能対応とは

Accepted Answer

①ROM化しているため、必ず同じ状態になる。 ②産業用途のOSなので、安定性＆不要なサービスが動作していないのでセキュリティホールとなりうる可能性が押さえられている。

Question 6

HALCONの動作可能か

Accepted Answer

VbVision のデフォルト画像処理ソフトウェアであるZebra Aurora Vision Studio 側で利用していないCPUなどリソースは利用可能です。アプリケーションの共存は可能です。

Question 7

HALCONとの組合せ可能か

Accepted Answer

HALCON側で検査した領域などを受け渡す場合であれば、データ形式として（画像データ）などを用いて、ファイル書き出しする方法や通信や共有メモリなどを利用することで組み合わせ可能です。

Question 8

言語の切り替えが可能か（日本語、英語）

Accepted Answer

可能です。一部英語表記のみの記述があります。（フィルタ名、関数リファレンス（翻訳可能）など）

Question 9

遠隔での画面操作が可能か

Accepted Answer

標準機能で遠隔の画面確認とファイル転送機能、検査の停止、再起動が可能です。
画面操作が必要ということであれば別途RDPを利用することやVNCツールを利用することも可能です。

Question 10

分岐処理のプログラム組み方

Accepted Answer

バリアントステップを利用することで任意の分岐を作成することが可能です。
Bool型→ IF-ELSE、Integer型→Switch、文字列なども可能

Question 11

本体に画像蓄積可能か（検査時間影響、容量制限、再テスト機能）

Accepted Answer

本体に画像データを保存するは可能です。
注意点として、ROM化の兼ね合いでシステムディスク領域と別のドライブへデータを保存頂く必要があります。

検査時間影響・・・画像保存は同期/非同期の２方式で書き出しが可能です。同期の場合保存を待つため、保存完了まで検査が一時停止します。非同期の場合は、並列して検査と保存を行うことが可能なので検査時間への影響は小さいです。また、メモリーを圧迫するような大容量の画像を保存する場合などは別途遅延が発生します。
補足例）１００枚を超えるような画像を高速に保存するや、数ギガを超える画像を連続保存させるなど。

容量制限・・・本体のストレージ容量と画像サイズによって保存可能量が変化します。標準構成であれば、ユーザ用の画像保存や任意に利用可能なストレージ領域は64GB程度が目安となります。

再テスト機能・・・オフライン機能を利用することで検証用のデータセットを用いた再テストが実施可能です。画像データ以外にも通信機器やI/Oなどの情報がオフライン機能を用いることで擬似的に入力を行って検証することができます。
補足）画面右下に表示されていた画像を切り替えていた画面の機能です。

Question 12

サーバに画像転送可能か（検査時間影響）、FTPサーバーに保存可能？

Accepted Answer

複数のプロトコルによってサーバへ画像転送を行うことが可能です。
Windows のファイル共有（SMB / NAS）を利用することや、FTP（ブロック）、HTTP（POST/掲示板への投稿）が用意されております。
更に、TCP/IP通信機能があるため、Vb Vision間でのEthernetを用いた画像などのオブジェクト通信が可能です。

また検査時間への影響については、No.14の回答参照ください。

Question 13

画像フォーマット変換可能か（BMP→PNG、JPG）　圧縮にかかる時間、検査時間影響

Accepted Answer

その他には、独自のオブジェクト形式で保存する事もできます。
圧縮にかかる時間・・・圧縮を行う為の処理は同期、非同期の両方が選択可能です。同期処理を選択した場合、PNGなどの可逆圧縮方式の処理時間はJPGと比較して長くなる傾向にあります。
例）ご来社時に撮像した「ぷちぷち」だと JPG 10ms、PNG 120ms程度です。（640x480 カラー）

総合的な時間・・・速度の面は次の２つの条件に左右されます。1.圧縮を行うためにかかるCPU処理時間。2. 実際にディスクへデータを書き出す時間。このため、無圧縮の場合は容量が大きくなりますが、圧縮簡単なケースで単色な画像などであれば、CPU処理時間も短く、サイズも小さくなるので結果的に総合的な時間が早くなるケースもあります。

また、検査時間への影響については他のFAQの回答をご参照ください。

Question 14

Aurora Vision Studio / Aurora Vision Libraryの違い、Libraryは入ってない？

Accepted Answer

標準の構成では、Aurora Vision Libraryは入っておりません。
→　Aurora Vision Libraryを利用する場合は別途ライセンス購入が必要です。

また、各ラインナップの違いについては次のとおりです。

・Aurora Vision Library ・・・ プログラミングベース（C++）で利用する画像処理ライブラリです。画像処理を行うための関数群＋カメラ取り込みなどがC++の関数で利用可能です。近い例を挙げるなら、HALCONやOpenCVなどが類似する位置づけです。

・Aurora Vision Studio ・・・ ブロックプログラミングを用いて開発を行うことが可能な統合開発環境です。具体的には開発を行う際に他のツール（画面作成ソフト）を利用することが必要なく、単一の環境で検査システムを構築することができ、豊富な可視化機能や解析機能を備えております。分かりやすいイメージとすれば、Aurora Vision Studioで利用しているブロックの内部ではAurora Vision LibraryのC++コードで作成した処理が実行されております。

Question 15

AI学習手順の詳細　各手法でのアノテーション作業は？（セグメンテーション、良品学習、画像分類、位置決め…）

Accepted Answer

学習ツールは、異常検出、特徴検出、座標位置推定、物体位置推定、領域分割、分類、文字認識などがあり、それぞれに特化したアノテーションツールが用意されております。また、セグメンテーションについては、事前に作成したモデルを利用したオートラベル機能があるため半自動化する為に機能も備えております。

Question 16

サポート体制について（北米、故障時）

Accepted Answer

基本的にはセンドバックによる対応となります。
輸送時間などによってダウンタウンの支障がある場合は、恐れ入りますが予備機にてご対応をおねがいいたします。

Question 17

導入実績、安定性の具体的な数字

Accepted Answer

導入実績の一例としては、下記のような場面でご利用を頂いております。
・24時間連続稼働の生産工場におけるインライン検査設備の画像処理コントローラ
・機械装置メーカ様の自社ブランド検査システムのAI画像処理コントローラ
・インライン印字設備の印字不良検査の画像処理コントローラ
・ラインカメラを用いた異物分類画像検査装置の画像処理コントローラ

Question 18

バージョン管理機能あるか？

Accepted Answer

バージョン管理機能については、AIモデルのモデルバージョンを管理する機能が標準搭載されております。
また、ユーザ側が作成したアプリケーションはテキスト形式で記述されており既存のバージョン管理システムで管理することができます。専用のファイル形式を用いておらず、誰が、何時、何処を変更したのかと言う点をGitやSVNを併用することで管理可能です。

補足）アナログ的な手法としては、コメント機能を用いて変更日時や作業担当者を記録すると言う事も可能です。

Question 19

アノテーション済画像の外部からの取込が可能か

Accepted Answer

外部ツールとの連携方法はJSONを用いてアノテーション情報を取り込む方法と、
マスク画像を用いて領域を取り込む方法があります。

Question 20

AIのオブジェクト検出機能について、どこまで形や色などを許容できるのか？
…不良の検出には使用できないのか

Accepted Answer

オブジェクト検出機能（LocateObjects）は物体の位置を特定する為のDeep Learningモデルとなり、不良の検出を行う場合は特徴検出（DefectFeatures）や異常検出（DefectAnomalies）を用いる事が推奨されます。また、オブジェクト検出機能（LocateObjects）を用いて場合にバラツキを許容する方法としては、教師データに多種の画像を設定するか、判定スコアを調整することで許容範囲の調整が可能です。

Question 21

用意したAIモデルを使用することは可能か？

Accepted Answer

Keras（TensorFlowまたはCNTK、Theano上で実行可能な高水準のニューラルネットワークライブラリ）によって出力されたHDF5(h5)形式の学習済みDeep Learningモデルを使用することが可能です。
また、オープンソースなどで公開されている既存のモデルを読み込む事も可能です。

補足) 独自のモデルを利用する場合は、学習用ツール（アノテーションツール）が利用出来ません。

Question 22

ヒートマップの反応具合をリアルタイムで調整できないのか
重点箇所の指定など、学習終了後に調整　実画像確認

Accepted Answer

ヒートマップの可視化具合を調整設定する事で、重点箇所のみを表示させる事が可能です。

06-6302-9191

よくあるご質問

お問合せ