外観検査において、何をどうしたいのかを明確にすることは非常に重要。対象となるワークの特長、良品、不良の特長、基準、サンプルなどなど。なければ、ここからになりますが、品質の良い画像が取得できるようになったらば、目的に応じてアノテーション作業を行う。
ここで、今回の目的に合うような事前学習済モデルがあるかどうかで、学習データ数が大きく変わる。似たようなワークの検査実績がある事前学習モデルがあるベンダー、ソフトなどの事前調査は、重要である。もしなければ、かなりのが数のデータを準備することになり、その工数、時間、サンプルの入手までの時間が長くなるケースがある。
場合によっては、ルールベースと人による目視検査のハイブリッドで導入しつつ、データが蓄積されアノテーションを実施し、学習モデルを生成することもあり。
ケースバイケースによるが、AI導入後も、追加学習を実施できるようにしておく必要が
ある。