IBM Maximo Visual Inspection

Google Cloud Visual Inspectionは、クラウド上での画像分類や欠陥検出の構築に強みがあります。

ストレージやBigQueryなどGoogle Cloudの周辺サービスとデータ連携しやすく、学習済みモデルをエッジ側へ書き出せます。

クラウド前提の構成のため、既存の業務基盤と検査モデルを一体で管理したい場合は設計の見直しが必要になります。

モデルの作成から展開までを社内の運用基盤側で完結させたい場合は、適合度を確かめておきたいところです。

AWS Lookout for Visionは、外観の異常検知に用途を絞ったクラウド型サービスです。

AWS環境にすでに乗っている現場なら、既存のストレージや権限管理と組み合わせて短期間で立ち上げられます。

サービス提供終了が公表されており、中長期での継続利用や移行先の確保を前提に検討する必要があります。

異常検知に特化しているため、物体検出や分類まで含めて1つの基盤で扱いたい用途には範囲が足りません。

PFN Visual Inspectionは、深層学習を用いた外観検査ソフトとして難易度の高い不良判定に対応します。

微細な傷や濃淡差の見分けなど、汎用モデルでは精度が出にくい検査でも作り込みやすいです。

高精度を引き出すには学習データの準備や検査ロジックの作り込みが要り、専門人材の関与が前提になりがちです。

撮像装置やライン機器との連携設計は個別対応になりやすく、導入時の調整工数が読みにくくなります。

NEC AI Visual Inspectionは、産業現場向けのAI目視検査をライン要件に合わせて構築できます。

カメラ選定からライン組み込みまでNECの伴走を受けられ、要件が固まりきっていない現場でも進めやすいです。

個別構築型のため初期費用や立ち上げ期間が大きくなりやすく、小さく試して段階的に広げる進め方には不向きです。

検査ロジックがベンダー側の構築に依存しやすく、運用後のモデル改修を自社主導で回したい場合は確認しておきたいところです。