サービスの特徴
弊社は、高度な画像処理・深層学習技術を活用した低レイヤーのプログラム開発を得意としています。特にC/C++を中心とした高速なアルゴリズム開発や、Pythonコードの最適化に強みがあります。また、スマートフォン、ARMマイコン、Webサーバーといった多様なプラットフォーム向けに既存システムへ画像処理機能を統合する支援も行っています。
対応技術
プロジェクトの流れ
事例紹介
事例
1
文書処理分野におけるOCR技術の自動化システム
1. 課題
顧客から提供される仕様書などの書類が非構造化PDFデータとなっており、これを目視で確認しながらシステムに登録したり、Excelに転記する作業が存在していたため、業務効率の低下やヒューマンエラーの原因となっていました。現場では膨大な作業を迅速に処理することがビジネス的な競争力に直結することから作業の自動化が求められていました。
2. 要件
・高精度な文字認識を実現し、手作業の確認を大幅に削減する。
・多様な書類フォーマットに対応し、柔軟な運用が可能であること。
・ユーザーフレンドリーな対話的UIを提供し、現場での導入をスムーズにする。
システム構成
クラウドベースのアーキテクチャを採用し、スケーラブルな処理能力を実現。
APIを通じて既存の業務システムと連携し、データの自動入力と更新を実現。
セキュリティを考慮し、データの暗号化とアクセス制御を強化。
クラウドベースのアーキテクチャを採用し、スケーラブルな処理能力を実現。
APIを通じて既存の業務システムと連携し、データの自動入力と更新を実現。
セキュリティを考慮し、データの暗号化とアクセス制御を強化。
メリット
複数のOCRエンジンを比較検討し、最適な組み合わせを選定。
Azure, GoogleのOCRマネージドサービスを組み合わせ、様々な書類フォーマットに対応可能なOCRエンジンを開発。
LLMを活用し、後処理によるOCR精度向上の仕組みを構築。
複数のOCRエンジンを比較検討し、最適な組み合わせを選定。
Azure, GoogleのOCRマネージドサービスを組み合わせ、様々な書類フォーマットに対応可能なOCRエンジンを開発。
LLMを活用し、後処理によるOCR精度向上の仕組みを構築。
ー 導入後の成果 ー
文字認識精度を
95%以上向上。
直感的なUIにより、
現場での導入がスムーズに進行。
データ入力の迅速化と正確性の向上により、
業務プロセス全体の効率が大幅に改善。
事例
2
工場の画像検査装置における識別精度向上
1. 課題
工場の印刷現場では、検査装置が出力する欠陥部位や欠陥画像に対して誤検知（虚報）が多発していました。これにより、人間の目による再検査が必要となり、現場の人員の負担が増加していました。虚報率を低減し、正確な欠陥検出を実現することが求められていました。
2. 要件
・虚報率を大幅に低減し、正確な欠陥検出を実現する。
・既存の検査装置に追加可能なソリューションであること。
・生産ラインの流れを妨げず、現場の負担を軽減すること。
システム構成
検査装置から出力されるデータは工場内サーバーに保存され、そこからデータを抽出してバッチ処理的に処理を行う手法を採用。
工場内に配置したGPUマシンを活用し、高速に処理を実現。
既存のシステムとは疎結合の構成をとることで、障害に対してロバストなシステムを構築。
検査装置から出力されるデータは工場内サーバーに保存され、そこからデータを抽出してバッチ処理的に処理を行う手法を採用。
工場内に配置したGPUマシンを活用し、高速に処理を実現。
既存のシステムとは疎結合の構成をとることで、障害に対してロバストなシステムを構築。
メリット
現場の品質保証担当者の判断内容を詳細にヒアリングして、システム全体として実現性の高いアーキテクチャ（データ通信の仕組みやディープラーニングモデルの設計、使用する学習データの収集方法）を検討。
PythonとTensorFlowを用いて、欠陥画像の分類精度を向上させるディープラーニングモデルを開発。
大量の欠陥データを用いてモデルをトレーニングし、特に虚報を減らすためのパラメータチューニングを実施。
既存の検査装置にディープラーニングによる分類処理を追加し、欠陥の真偽を高精度で判別。
10万枚以上の検証データセットを用いて、虚報率の低減を確認。
現場の品質保証担当者の判断内容を詳細にヒアリングして、システム全体として実現性の高いアーキテクチャ（データ通信の仕組みやディープラーニングモデルの設計、使用する学習データの収集方法）を検討。
PythonとTensorFlowを用いて、欠陥画像の分類精度を向上させるディープラーニングモデルを開発。
大量の欠陥データを用いてモデルをトレーニングし、特に虚報を減らすためのパラメータチューニングを実施。
既存の検査装置にディープラーニングによる分類処理を追加し、欠陥の真偽を高精度で判別。
10万枚以上の検証データセットを用いて、虚報率の低減を確認。
ー 導入後の成果 ー
虚報率を50%以上削減。
し、正確な欠陥検出を実現。
欠陥の識別精度を
95%以上に向上。
再検査の必要性を大幅に削減し、
現場の人員の負担を軽減。
生産現場での信頼性が向上し、
顧客からの評価が高まる。
