一度きりの検査ではなく 高品質な生産を継続させるソリューション
カメラ・照明、AIモデル、判定画面、作業者フィードバック、再学習を一つの流れにまとめ 多品種生産や変動する品質基準に対応します。
AIVEXのソリューションは、一度きりで終わりません。
現場の声が証明しています。
全ライン横展開
コスト削減のため中国メーカーに装置を依頼しましたが、厳しいサイクルタイムと精度をまったく満たせず失敗に終わりました。この難題を1.5秒以内に10個のAIモデルを同時稼働させるという圧倒的な技術力で完璧に解決したのは、AIVEXだけです。
G社（ハイベアリングメーカー）
検査時間を99%短縮
従来の接触式CMMでは同一対象物のスキャンに20分を要していましたが、AIVEXの非接触式3Dセンサーソリューション導入後はタクトタイムが12秒に短縮されました。±20μm以下の機構繰返し精度とマスターサンプルに基づく精密キャリブレーションにより、装置間の整合性まで確保しています。
F社（寸法検査機導入）
0.1%の極限環境に対応
不良率0.1%以下の環境では、迅速なモデル更新が生命線です。数多くの製品群と多品種検査において、統合モデルをどこまで拡張し多様化すべきか、そのノウハウを本当に理解している会社はAIVEXだけでした。
B社（半導体後工程）
無欠点の物流ピッキングを実現
従来のソリューションは、箱を取り逃したり斜めに掴んだりすることが多く、破損による損失が大きい状況でした。 AIVEXはグリッパーの提案段階からビジョンソリューションまで統合的に再設計し、現在は無欠点に近い水準で安定的に稼働しています。
K社（物流自動化）
未検出率3ppm
弾体の外観検査において未検出率3ppmを達成。精密製造業に求められる極限の検査精度を実証したパートナーです。
L社（防衛）
導入から運用まで徹底して管理します。
AIVEXは、工程環境を考慮した撮影条件の設計からデータ構成、AIモデル開発、現場適用、 運用のためのパイプラインまで、7段階の隙のない管理体制を提供します。
- 1
光学系・撮影 条件設計
対象のサイズ、材質、表面特性、ライン環境などを分析し、カメラ・レンズ・照明の条件を設計します。
- 2
サンプルデータ 構成
不良サンプルが不足している場合は、Generative AIを活用して学習データを補完します。
- 3
AIモデル設計
検査目的と欠陥特性を反映し、さまざまな不良を判定できるAIモデルの構造と基準を設計します。
- 4
検査システム 構築・量産
ライン速度と設備連動条件を反映してシステムを設置し、量産環境に合わせて安定化します。
- 5
リアルタイム結果 照会・検収
判定結果と作業者のレビュー履歴を、リアルタイムに運用画面で確認します。
- 6
モデル改善・ 再配備
現場の変化や新規の欠陥を反映してモデルを改善し、検証済みのモデルを現場に再配備します。
- 7
検査履歴・ 品質分析
ライン、品目、期間ごとの検査結果を蓄積し、品質傾向の分析や工程改善に活用できるデータへと転換します。
難しい現場にも確実に適用できるように。
AIVEXは、ライン、装置、製品群など現場ごとに異なる変数を反映して 検査結果を整理し、検討が必要なデータを選別し、既存の装置環境でも運用可能なAI検査の流れを提供します。
- 1
欠陥タイプ別モデルの組み合わせ
欠陥の形態と検査難易度に応じて、分類、検出、セグメンテーション、異常検知のモデルを組み合わせ、現場に合った検査構造を設計します。
- 2
判定から再学習まで一気に連結
AI判定結果と作業者の検収履歴を蓄積して誤検出・過検出・未検出の事例を選別し、モデル改善のための再学習データへとつなげます。
- 3
既存の保有装置に適用可能
すでに運用中のカメラ、照明、エッジ装置、設備連動環境を 最大限に活用し、AI検査システムを現場に合わせて適用します。
AI外観検査を超えて 3D Metrologyを加えた精密検査まで。
AI外観検査と3D Metrologyをともに設計し、 形状・寸法・段差・平坦度まで量産ラインで一つの検査の流れとして管理します。
- インライン全数検査
精密計測基準を量産ラインに適用
CMM基準との整合性を考慮し、ホール位置、直径、輪郭度、平坦度などを 量産ライン速度に合わせてμm単位で検査します。
- 品質フィードバック
AIVDataと連携する計測履歴
3D計測結果をAIVDataに蓄積し、品目、ライン、期間ごとの 品質傾向分析と工程フィードバックに活用します。
- 非接触計測
形状・寸法・段差まで検査項目に拡張
対象物の材質、反射特性、移動速度に合わせて3Dスキャン条件を設計し、 製品全面の形状・寸法データを確保します。
さまざまな産業・製品に適用された AI検査ラインアップ
AIVEXは、自動車、バッテリー、精密部品、バイオなど多様な産業の検査対象を基準に 製品別のAI検査ソリューションを構成し、現場条件に合わせて外観・寸法・位置・表面欠陥の検査を適用します。
BearingVis
- 産業
- 自動車
- 検査対象
- 金属Half Bearing
- 適用内容
- Inner/Outer表面欠陥検査
ShaftVis
- 産業
- 自動車
- 検査対象
- 金属Shaft
- 適用内容
- 表面欠陥および寸法検査
PaintVis
- 産業
- 自動車
- 検査対象
- 自動車塗装仕上げ
- 適用内容
- 6軸ロボットによる車体塗装欠陥検査
PlateVis
- 産業
- 自動車/精密
- 検査対象
- 金属Plate
- 適用内容
- 外観欠陥および寸法の同時検査
TrackVis
- 産業
- 自動車
- 検査対象
- 塗装ライン車両トラッキング
- 適用内容
- 車両位置の整合およびロボット作業基準点
BatteryVis (Cylindrical)
- 産業
- バッテリー
- 検査対象
- 円筒形バッテリーカン
- 適用内容
- 曲面・円形構造の表面欠陥検査
BatteryVis (Prismatic)
- 産業
- バッテリー
- 検査対象
- 角形バッテリーカン
- 適用内容
- 外側面・内側面・開口部・底面の複合検査
HyperVis/MultiVis
- 産業
- 精密/その他
- 検査対象
- 精密部品全般
- 適用内容
- 多品種少量のカスタム検査
BioVis
- 産業
- バイオ/その他
- 検査対象
- バイオ製品
- 適用内容
- 精密外観検査
検査運用パイプラインPoCプロセス
パイロットラインに優先的に適用し、全社導入の前に運用負荷の低減効果と検出指標を事前検証します。
*標準的なPoCの所要期間および範囲は、現場データの診断後に合意段階を経て確定します。
- 1
工程診断
検査対象、保有データ、ライン環境を 点検し、適用するシステムを検討します。
- 2
単一ラインPoC
代表品目と単一ラインで、検出率、未検出率、過検出率を基準に合わせて検証します。
- 3
パイロット運用
指定ラインにモデルを学習・配備し、実際の 検査の流れで運用性を確認します。
- 4
多ライン拡張
検証済みの基準を多ラインと品目へ 拡張し、運用を標準化します。
PoCのためにご準備ください！
- 代表ケース明確な改善目標が設定された検査課題を1〜2件
- 対象物情報品質関連のスペック（spec sheet）または検査基準書
- 許容可能な範囲許容可能な目標未検出率および過検出率の基準
- 配備環境セキュリティポリシーに応じた配備環境の要件（オンプレミス、ネットワーク分離など）
AIモデルや設備からソフトウェアまで。 検査に必要なすべてを一つに。
AIVisionは、光学系の設計からAIモデル開発、現場配備までEnd-to-endで提供するAIVEXのコアAIビジョン検査ソリューションです。 お客様の予算と社内の体制に合わせて、3つの導入方式を選択できます。
インフラが不足している、または迅速な導入が必要な お客様向けのターンキーソリューション
制御・物流を除く光学・検査装置が必要なお客様向けの検査運用ソリューション
自社設備およびソフトウェアを保有するお客様向けの モデル中心の検査運用ソリューション
現場適用事例
AIVEXは、自動車、バッテリー、精密部品、物流などさまざまな製造現場で検査の自動化と品質改善の事例を生み出してきました。 実際の工程条件と運用データに基づく適用結果をご確認ください。
The Heart of Deep Learning Vision Inspection: Building a Platform Environment Where Vision Engineers Can Focus Solely on the Model
AIVEX’s Vision Platform Group built a platform architecture that separates complex hardware control from software logic, enabling vision engineers to focus on deep learning models and inspection logic rather than infrastructure or hardware control code. By separating hardware and algorithms and introducing declarative inspection scenarios and fault tolerance, the platform improves deployment flexibility while maintaining both high performance and system stability.
2026.09.14
Building Prism: Our In-House AI Code Review System
Our AI Platform Team currently uses “Prism,” an in-house code review system developed to ensure the stable operation of the AIVOps platform and maintain the quality of its codebase. In this article, we will share why we decided to build Prism, how the system was developed, and how we are using it today.
2026.09.10
Are You Still Opening Folders on the Inspection PC to Check False Positives and False Negatives?
When we receive a request to reduce the false positive rate or a notification that a false negative has occurred, the usual response is to connect to the inspection PC on site, open File Explorer, and start looking for the relevant images. But across multiple production lines, this was one of the bottlenecks we encountered repeatedly. Finding images one by one and then querying the database again to reconstruct the inspection history for each image took a significant amount of time every time. In the process, the data would gradually become disconnected or inconsistent.
2026.09.08
FAQ
AI検査および3D計測ソリューションの導入前に、お客様から最もよく寄せられる質問をまとめました。
Q.AI外観検査と3D計測を併せて適用できますか？
可能です。AIVEXはAI外観検査と3D Metrologyを併せて設計し、形状、寸法、段差、平坦度のように2D画像検査だけでは不十分な項目まで一つの検査フローで管理します。 必要に応じてCMM基準との整合性も併せて検討します。
Q.単一のAIでは判別が難しい複合的な不良タイプも検査できますか？
はい、柔軟なパイプライン構成で解決できます。単一モデルでは対応が難しい複雑な工程の場合、複数のAIモデルとルールベース（Rule-based）アルゴリズムをアンサンブル（Ensemble）したり、順次的なシナリオでまとめて、一つの巨大な検査プロセスとして統合運用します。
Q.不良サンプルが不足していてもPoCは可能ですか？
可能です。保有している正常・不良画像とラベリング履歴をまず確認し、不良サンプルが不足している場合は類似事例やGenerative AIベースのデータ拡張を活用して、初期学習および検討範囲を補完します。ただし、最終的な判定基準は実際の現場データで検証します。
Q.既存の設備をすべて交換する必要がありますか？
必ずしも全面的な交換が必要なわけではありません。既存のカメラ、照明、エッジ機器、設備連携環境をまず診断したうえで、活用可能な機器は維持し、必要な光学系・センサー・ソフトウェアのみを補完して現場条件に合わせて適用します。
Q.工程環境（照明、素材など）が変わるとAIの性能が低下しませんか？
工程環境の変化による性能低下を抑えるため、検査結果と検収履歴を継続的にモニタリングします。 データ分布の変化や誤判定の事例が確認されると、改善データを選別し、現場の承認手続きを経て検証されたモデルのみをラインに再配布します。