検査機メーカーが複数展示をされていた。以前までの印象では、検査ソフトの使いやすさや検出力のアピールが強かったように感じていた。
今回の展示会では、deep learning(AI)が検査機のエンジンとして使われているものが目立っており、これまで以上に判定能力が高くなっていることをアピールされていた。
また、従来のdeep learningの運用上、問題となり勝ちなのが、如何に欠陥画像を収集して、機械に教育させるかが課題であった。
欠陥画像の収集が困難であったりと、装置導入に大きなハードルになっていた。
今回は各社とも共通していたのは、欠陥認識にdeep learningを使用するのではなく、良品を教育させることで、欠陥をrejectする手法がとられていた。
その手法であれば、多くの欠陥画像収集を不要になり、通常製品（良品）を数10本用意するだけで、検査レシピが構築可能となり容易に運用することが可能になったと感じた。
板ガラスや、瓶のような特殊な形状であっても多方向からの撮影をすることで様々な用途に使用できるように感じる。
導入コストは決して安いものではないが、検査員不足や検査技術の伝承も問題になり勝ちであり、また大量の製品を同じ尺度で検査できる事には大きなメリットを感じた。

　以上