目視検査の限界はわかっているけど、既存のAI検査装置は高い・縛りが多い・社外にデータを出すのが不安。
主要なAI外観検査装置・サービスは要見積で、規模・組合せ機材により 数十万円から数千万円と幅広い（[実測:アスピック 2026]）。中小製造業には初期投資の壁が高い構造です。
SaaS型・クラウド型のAI検査は、製品画像データを社外サーバへ送信する設計が多く、機密性の高い製品では運用上のリスクとなります。
パッケージ製品では、検査ルール変更・新製品追加・しきい値調整が ベンダーへの追加発注 になるケースが多く、機動的な改善ができません。
納品時にソースコード一式・学習スクリプト・モデル重みをお渡し。御社内で改造・自社運用、自由です。マルチURL利用OK（再販不可）。
通常 60万円 → 先行パートナーは 30%オフの 42万円。従来のAI検査装置数百万円と比較すると 1/10以下の初期投資水準。
御社の構内サーバ＋GPUで動作。製品画像を社外に出さない設計が標準。機密性の高い製品でも安心して導入可能。
御社の良品・不良品サンプル画像から、YOLOv8/v9 をベースにファインチューニング。新製品追加・しきい値調整は、社内にML経験者がいる前提で内製運用が可能です（運用継続には学習データ追加・評価の反復作業が必要）。
カメラ画像をWebでリアルタイム判定。OK/NGをHTTP APIで PLC・既存ラインに連携可能。検査ログ・統計画面も標準。
PyTorch（YOLO/U-Net）＋ FastAPI ＋ PostgreSQL ＋ SvelteKit の現代的な構成。社内エンジニア・生成AIで改修しやすい設計です。
AI外観検査運営に必要な基本機能をパッケージで提供します。
カメラ撮影画像を品名別に蓄積。良品／不良品ラベル付与をWeb画面で簡単に。
YOLO/U-Net系のファインチューニング。学習スクリプト付属、Web画面から実行可能。精度・再現率レポート自動生成。
カメラからの画像をリアルタイム判定。OK/NGをAPIで PLC・既存ラインに通知、判定ログを保存。
カメラ画像取り込み（USB・GigE・RTSP）／良品・不良品ラベリング／品名・ロット管理／学習データセット作成／教師データのバージョン管理
YOLOv8/v9（物体検知）のファインチューニング／学習進捗可視化／混同行列・PR曲線・誤判定画像確認UI／モデル評価レポート
※U-Net（領域分割）・PatchCore（異常検知）は対応可能な手法。導入時の選定・チューニングはカスタマイズで対応。
リアルタイム判定／HTTP API出力／PLC連携（Modbus TCP等オプション）／OK/NG・確信度・検知座標
判定ログ／統計・推移グラフ／日次・週次レポート／管理者・ライン担当者ロール／監査ログ
本パッケージで「モデル更新を内製」運用するには、以下を御社側でご用意いただくことを推奨します：(1) 社内にML経験のあるエンジニア／(2) PyTorch環境（CUDAドライバ含む）構築・運用／(3) 構内GPUの調達・運用（NVIDIA RTX 3060以上目安）。条件が揃わない場合は、学習・モデル更新を弊社の保守・カスタマイズ受託でご支援します。
モダンで安全性の高い構成を標準採用。オンプレGPUで完全クローズド運用も可能。
標準：PyTorch + YOLOv8/v9（物体検知）
対応可能な手法（カスタマイズで追加対応）：U-Net（領域分割）／PatchCore（少データの異常検知）。検査対象に応じて手法を選定します。
※Ultralytics社の YOLOv8/v9 はAGPL／商用ライセンスの2系統。詳細はFAQ参照。
USB／GigE Vision／RTSP
産業用カメラ・IPカメラ・USBカメラに対応。OpenCV/aravisで取り込み。
FastAPI（Python 3.12+）
推論API・学習スクリプト・自動OpenAPI。
SvelteKit（Svelte 5）
ラベリングUI・判定モニタ・統計ダッシュボード。
PostgreSQL 15+＋オブジェクトストレージ
判定ログ・画像・モデルバージョン管理。
オンプレGPU 推奨
NVIDIA RTX 3060以上目安。完全オンプレで画像非外出運用可能。Docker対応。
ご相談後、御社の検査要件にあわせて要件を確認し、構築・納品まで進めます。
30分のオンライン相談で、検査対象・既存ライン・必要精度をヒアリング。
カメラ・GPU環境／既存システム連携／学習データの想定をうかがい、構築内容と金額をご提示。
御社の構内サーバにパッケージを構築・サンプル画像でモデル初期学習。
動作確認後、ソースコード一式・学習スクリプト・運用ドキュメントを御社にお渡しします。
買い切りパッケージ。数百万円のAI検査装置から抜けて、オンプレで内製したい製造業さまにフィットします。
※具体的な金額は、御社の検査対象・必要精度をうかがったうえでご提示します。
傷／汚れ／欠け／異物混入／印字検査／部品有無／組付け確認等、画像で見える欠陥であれば学習可能。微細な欠陥（μm単位）はカメラ・照明設計含めてご相談ください。
対象により異なりますが、目安として 良品 100〜数百枚・不良品 数十枚〜から始められます。データ少量での異常検知（PatchCore等）も対応可。ただし、対象難度（微細傷・低コントラスト・多パターン不良など）により、学習データが千枚を超える規模が必要なケースもあります。事前のサンプル評価をおすすめします。
はい。HTTP API／Modbus TCP でOK/NG信号を出力可能。既存PLCからの撮影トリガ・判定結果受信もカスタマイズで対応（PLC連携は別途お見積もり）。
はい。御社の構内サーバ＋GPUのみで動作させ、画像データ・モデルを社外に一切出さない構成が可能です。
学習スクリプト・ハイパーパラメータ調整方法のドキュメントを納品します。ただし内製運用を継続するには、(1) 社内にML経験のあるエンジニア／(2) PyTorch環境（CUDAドライバ含む）の構築・運用／(3) 構内GPUの運用（NVIDIA RTX 3060以上目安）を御社側でご用意いただくことを推奨します。実態は「ボタン一発で完璧な再学習」ではなく、学習データ追加→評価→ハイパラ調整の反復作業で精度を維持していくプロセスです。条件が揃わない場合は弊社の保守・カスタマイズ受託でご支援可能です。
本パッケージで採用する YOLOv8/v9 は Ultralytics社の AGPL-3.0／商用ライセンスの2系統です。御社の運用形態によっては商用ライセンスの取得が必要となる場合があります。ソースコード渡しの形態と組み合わせるとライセンス論点が大きくなるため、納品前に商用利用範囲をすり合わせ、必要に応じて Ultralytics 社の商用ライセンス取得もしくは代替モデル（YOLOX 等の Apache 系）への切替をご相談します。
[要専門家確認]最終的なライセンス判断は法務にご確認ください。
はい。従来手法＋AIのハイブリッド構成も実装可能。OpenCVベースの前処理・後処理を組み込めます。
はい。ソースコード一式・学習スクリプト・モデル重み・運用ドキュメントをお渡しします。社内エンジニアやAIで自由に改造可能。改造後の不具合は瑕疵対象外。
はい、御社が運営する複数の拠点・ラインでご利用いただけます。複数工場展開もOK。
いいえ、第三者への販売・再頒布はご遠慮ください。御社内でのご利用は自由です。
いいえ、任意です。御社で運用・保守できる場合は不要です。
ご希望の場合は 月額 1万円〜 でご提供します。対応範囲は 軽微なバグ修正と問合せ対応のみ（SaaSのような機能アップデートは含みません）。機能追加・カスタマイズは別途お見積もりでお引き受けします。
機能・料金イメージ・導入の流れは、無料相談（30分・オンライン）でご紹介します。
内容を確認のうえ、担当よりご連絡いたします。