ホーム / 導入事例

導入事例

業界は違っても、進め方は同じです。まず光と撮像を整え、そのうえでモデルを現場のハードウェアに載せます。数値にはすべて試験条件を添えています。

研究中

コーヒー豆選別

小規模な焙煎所では、欠点豆の選別はいまも手作業です。私たちの目標は、小規模焙煎所でも導入できる選別機。まずコンベア上の豆を一粒ずつ正確に数えて追跡し、そのうえでマルチスペクトルで欠点を判定します。

アプローチ

  • 軽量な検出モデルを Raspberry Pi 5 上でリアルタイム実行
  • 全体の動きを補正した追跡で、同じ豆の二重カウントを防止
  • マルチスペクトル撮像で、RGB では見分けにくい欠点を可視化
93%コンベア計数の精度テスト動画の 399 粒中 370 粒を正しく計数
Raspberry Pi 5エッジでリアルタイム処理、PC もクラウドも不要
装置メーカーと共同開発

薬剤認識

自動分包装置が知る必要があるのは二つ。トレイに薬があるか、そしてノズルが薬のどこを吸うべきか。この二つのビジョン処理を装置メーカーと共同で開発し、装置内の小型コンピューターで動かしています。

アプローチ

  • 有無判定:2 段階の照明で明るさを比較し、空トレイの参照画像を差し引く
  • 吸着位置:インスタンスセグメンテーションで一錠ずつ輪郭を抽出し、最適な吸着点を算出
  • モデルとライブラリはすべて商用利用可能なライセンスを採用
36/36運用シナリオ試験で吸着位置がすべて正確社内試験、信頼度しきい値 0.7
Raspberry Pi CM4装置内に搭載、オフラインで動作
店舗で試験導入中

肌測定

一般的なカメラが記録するのは赤・緑・青の 3 色だけです。DotData スキンミラーは 400〜950 nm を複数の波長帯に分けて撮影し、メラニンとヘモグロビンの波長ごとの吸収の違いをもとに、シミ、茶色エリア、赤みエリアをカウンセラーが説明しやすいスコアと重ね表示写真にまとめます。

プライバシーへの配慮

  • 顔写真は店舗内のホストにのみ保存し、スマートフォンには残しません
  • 保存期間が終わると写真とお客様のニックネームを削除します
  • アプリに広告やトラッキングは含まれません

測定結果は肌の見た目の参考情報であり、医療診断ではありません。

青紫

400–480 nm
400500600700800950 nm
破線(約 700 nm)より右は、人の目には見えません。

主に見えるもの
レポートでの役割

同じような課題はありませんか?

サンプル写真や現場の様子をお送りください。どんな光、どんなカメラで、おおよそどれくらいのコストか、初期評価をお返しします。

お問い合わせ先
ビジョン評価共同開発店舗試験導入