← スイートトップへ | Search 概要 | 深層学習・ANN解説

Search の技術Embeddings, dimensionality reduction, and interactive search

特徴

性質の異なる二つの入口で、検査対象を絞り込む。

Search は一つの技術ではなく、役割の異なる二つの絞り込み方を束ねたモジュールです。 まだ専用学習していない対象はテキストクエリ（開放語彙?Open-Vocabulary。あらかじめ決められたクラス名だけでなく、任意の自由な単語や文章で対象を探せる技術。）で探し、 太陽電池 EL?Electroluminescence。太陽電池に通電して発光させ、目に見えない微細な割れや欠陥を撮影する検査手法。 のように繰り返し出る既知の欠陥パターンは学習済み YOLO?You Only Look Once。高速かつ高精度に物体を検出する標準的な深層学習モデル。 で一括スクリーニングします。 仕組みは別物でも、「人が全数を目視する前に候補を絞り、Review（人判定）や Analyze（領域定量）へ渡す」という 入口としての役割は共通しています。

  • テキストで探す（開放語彙） 専用学習を待たずに、クエリを変えるだけで未知の対象にも対応できます。
  • 既知欠陥の一括検出（EL 一括検査） クエリは使わず、太陽電池 EL で繰り返し出る欠陥クラスを学習済み YOLO でまとめて拾います。
  • 共通点は「候補を絞る」こと 経路が違っても、どちらも人が全部見る前段を圧縮し、後段の判断へつなぎます。
テキスト探索 言葉で指定 クエリ → 候補枠 + EL 一括検査 既知欠陥を検出 広域画像をまとめて 検査の入口 候補を次工程へ Review / Analyze 1. 目的を指定 言葉 or EL 検査 2. 候補を提示 枠・検出結果 3. 確認・連携 人 or 定量へ 4. 判断へ 現場の意思決定
テキスト探索と EL 一括検査の二経路で候補を出し、Review / Analyze へつなぐのが Search の方針です。

詳細な仕組み・ライセンスは下の各節をご覧ください。続きは テキスト指定の領域探索 または 自社学習 YOLO（PV EL） からお進みください。

本ページは技術解説です。利用するモデル・データセットには第三者ライセンス条件が付く場合があります。 出典・条件は データ・モデルについて を参照してください。

1Search が解く課題

Search が扱うのは、性質の異なる二つの要望です。 ひとつは「まだ専用学習していない対象を、言葉で探したい」という開放語彙の問い合わせ。 もうひとつは「太陽電池 EL で繰り返し出る欠陥クラスを、まとめて洗い出したい」という一括スクリーニングです。 仕組みは別々ですが、どちらも人が全数を目視する前に候補を絞り込み、 Review（人判定）や Analyze（領域定量）へつなぐ入口としての役割は共通しています。

テキスト探索開放語彙のクエリ（例: Hot-Spot）→ 画像内の候補矩形。専用学習なしで探索対象を切り替えられる
EL 一括検査クエリ不要。太陽電池 EL の既知欠陥クラスを自社学習 YOLO で一括検出
後段連携いずれの経路も、候補を Review（人判定）や Analyze（領域定量）へ渡す

2Detect / Analyze との役割分担

3つのモジュールは同じ画像解析でも役割が異なります。 Search と Analyze は Web 連携パイプラインの入口と後段、 Detect は現場 PC で完結する独立モジュールという位置づけです。

Web 連携パイプライン Search 候補を見つける （本ページ） Review 人が合否判定 Analyze 画素マスクで 輪郭・面積を定量 合否そのものにはしない場合あり 独立モジュール Detect 現場 PC で追跡・ ライン計数 左のパイプラインには含まれない

Search（候補探索）→ Review（人判定）→ Analyze（定量）は一連の Web パイプライン。Detect は現場 PC で完結する別系統のモジュールです。

Detect画像で対象を示して追跡・ライン計数。搬送計数の製品説明はこちら優先
Searchテキストで候補を指す／EL 一括検査でスクリーニング
Analyze画素マスクで輪郭・面積などの定量（合否そのものにはしない場合あり）
Search UI 上の搬送動画表示はテキスト探索の参考であり、計数製品の完成形ではありません。

3テキスト指定の領域探索

視覚言語モデル（VLM）が、入力テキストと画像を対応付け、指定した内容に近い領域を矩形で返します。 クラスごとに大量の学習データを用意しなくても、クエリを変えるだけで探索対象を切り替えられるのが利点です。

テキスト＋画像 → VLM → 候補矩形。学習データ追加なしでクエリを変えられる

現行の代表実装は LocateAnything-3B です。非商用ライセンスのため、製品の常設エンジンにはしません。

4推論構成（現場 PC + 任意 GPU）

UI／API は現場 PC 側で動かし、重い VLM 推論はローカル GPU、またはトンネル経由の GPU 環境に逃がせる構成です。 デモやオフライン検証ではモック／軽量経路も使えます。

UIブラウザ
APIWeb API（FastAPI）
実行モード例現場 PC／遠隔 GPU

5自社学習 YOLO（PV EL）による一括検査

太陽電池 EL では、既知欠陥クラスをまとめて検出する経路を標準としています。 公開／研究用データで適合した YOLO 重みをローカル実行し、人レビュー（PV EL Review）へつなぎます。

広域 EL 画像 タイルに分割 YOLO 推論 既知欠陥クラス 検出された欠陥候補 Hot-Spot Crack Review 人が合否判定

広域 EL 画像をタイルに分割し、YOLO で既知欠陥クラスをまとめて検出。検出結果は PV EL Review の人判定へ渡します。

  • 広域画像のバッチ検査に向く
  • テキスト探索より「既知クラスの一括検出」に強い
  • 学習済み重みは用途に応じて用意。製品導入時は商用可能な構成へ
補足: EL 一括検査は、太陽電池向けの評価・学習パイプラインと連携して運用します。

6正解枠と AI 枠の比較表示

検証画面では、公開データセット由来の正解枠（VOC 形式など）と AI 検出枠を重ねて比較できます。 「どこを拾えたか／取りこぼしたか」を説明するための可視化であり、納品ラベルの正本そのものではありません。

太陽電池 EL 画像上で、緑破線の正解枠とシアン実線の AI 検出枠を重ねた比較表示

緑破線＝技術者アノテーション（正解枠）／シアン実線＝AI 検出枠

7補助検出経路

Search には、RF-DETR を使った一般物体検出の補助経路も組み込めます。 これは独立モジュールの Detect（One-Shot-Learning）とは別の統合で、 FlashFind 内で完結する検出経路です。テキスト探索や EL 一括検査の代替／併用として、用途に応じて切り替えます。

入力画像 テキスト探索（VLM） EL 一括検査（YOLO） 補助検出（RF-DETR） 候補領域 後段（Review/Analyze）へ Review Analyze

3つの経路は排他的な代替手段です。用途（言葉で探す／既知欠陥の一括検出／一般物体検出で補助）に応じて選び、結果は同じ候補出力に合流します。

8XY ステージ連携

候補座標をステージ指令へ変換し、高倍率撮影 → Analyze へ渡す流れ

検出した矩形の中心を装置座標へ変換し、精密ステージで局所撮影へつなぐ設計です。 現在の Search（FlashFind）内のコードはモック実装（実機ドライバなしのシミュレーション）ですが、 照度分布測定用の XY ステージ制御は別アプリとして実機開発済みのため、 実機連携の検証はご要望があればいつでも実施できます。

9ライセンス上の注意

  • LocateAnything 等: 非商用のため、製品の常設対象外
  • 公開データに基づくデモ重み: 説明・比較用。顧客環境への常設はしない
  • 正解枠の重ね表示: 検証説明用。顧客納品ラベルの代替ではない

10商用導入時の方針

製品導入では、次を標準とします。

  • テキスト探索エンジンを、商用利用可能なモデルへ
  • EL 検出を、許可的ライセンスの検出器および契約後の顧客 EL で学習した重みへ
  • デモ用の学習結果を顧客サイトに残さない
詳細は データ・モデルについて、 利用規約 を参照してください。