先ほどの入口の写真にもあったように、展示会場内は「撮影禁止」のため、当記事内では関係各所に許可をいただいた写真のみ掲載しています。

画面手前に設置されているのがイシダテックのAI検査装置のデモ機。
ビッグサイトのブース内ではからあげに人為的に再現した「焦げ」や「異物」を検査するデモを実施しました。

からあげをコンベアに流すと検査結果を右のモニターに表示。
実際に「異物＝ピンクのシール」をNGとして認識しています。

人なら判別可能なしきい値型の検査、ものすごく平たく言うとするならば、「物によってはちょっと判断に迷う検査」を構成次第では既設ライン内に組み込むことも可能、という特徴を導入事例の動画も交えてご紹介しました！

【AI新開発機能実証テストに関するご案内】
2022年冬より開始予定の実証テストにご協力いただける食品製造企業様も募集しております。詳細は弊社までご連絡ください！

要旨①：キーワードは”現場での活用”
食品メーカー・食品機械メーカー・大学の産学官連携により、オープンイノベーション的に実施されてきたAI開発。過去の記事でもお伝えしたように、お客さまの問い合わせから「AI作ろうよ！」までわずか6時間。

データを通じた「ゆるやかなつながり」の中で進められたミニマムなPoC。ぐるぐるぐるぐるまわるデータ活用サイクルの下、価値共創を進めました。
そして乗り越えたのが魔の川・死の谷・ダーウィンの海、というわけです。

要旨②： ”実装” や ”組み込み” でのポイントとデータ収集
既存検査装置を阻害せず組み合わせる柔軟なシステム構築がポイント。
そしてより賢いAIとなるために必要なアノテーション（再学習）の実施を組み込み面でも重視している。

そこで4万枚/日におよぶ画像データを収集し続ける仕組みも推しポイント。
「現場での活用」のために必要な「現場のデータ」を収集するサイクルをどう構築するか、こそが発表を聞いた皆さんに持ち帰っていただきたい要素。

要旨③：ソフトウェア最大の特徴”グレー判定”
既存ラインの大幅な構成変更は難しい、でも品質向上・省力化したい！
という要望を叶えるために特徴的な要素が"グレー判定"。

百分率の確度に基づいた検査にしきい値を設け、グレーデータを判別。
これは従来難しかった自動検出実現へのキーポイントです。

要旨④：技術的課題は ”偏り” と ”属人” への対処
#1 偏りとは、食品生産ラインでのNG品の圧倒的な少なさ。
#2 属人とは、不良品判定基準が曖昧で人に依存していること。

そもそも「ごく稀に出る不良品」も許されない食品製造業界。
そこで既存の学習モデルを用いた転移学習を実施。
最大の特徴である”グレー判定”のデータに人の手によるチェックやラベリングを加え、AIの精度を高めていくことがこれからの課題。

グレー判定発生は、ソフト（画面内での強調表示や専用フォルダへのデータ保存）とハード（シグナルタワー）両面で通知。人の手によるチェック/ラベリングを支援するUI設計です。

登壇した中原さんは「お客さまに驚いてもらえるようなプロダクトをつくること」を使命に、日々開発活動に尽力しています。

インタビューでは、
”また現代のAIは、結果の因果がわからない（AIがなぜそう判断したのかわからない）ケースもあり、一部がブラックボックス化しています。
なのでAIを盲目的に信じるのではなく、AIにはできない発想力・仮説構築力を人が担保してあげることで、うまくAIと付き合っていきたいですね。”
と語っていました。もしかしてグレーデータのことだったのかも……？

▫ FOOMA技術ジャーナルとは…
会場で配布される食品機械・装置の技術情報専門誌。
食品機械産業界の発展に貢献する優れた特許（公開）を取得、または公開されている食品機械・装置に関する技術について、論文を紹介します。

急遽参加となったFOOMA。
イシダテックが出展側で参加したのは実に20年ぶり以上だったようです。
今回お力添えをいただいたニチモウ様および善甫助教をはじめとする筑波大学のご関係者の皆様にこの場をお借りして感謝の意を表します。

また私がブースにいた間には、「HPを見た」「noteを見た！」「あなたが小山さんなのね！」とおっしゃってくださった方もおり、感激しました。
みなさんに弊社を知っていただき、そして身近に感じていただき、”生産現場で困ったらイシダテック！” と思い浮かべていただけるように情報発信を続けて参ります！

2022/07/07 15:00～16:00　Zoomを利用してのオンライン開催です。
詳細はファーエンドテクノロジー株式会社さまのHPをご覧ください。