VLMとは？

VLMは、画像と言葉を組み合わせて扱うAI

VLM（Vision-Language Model）は、画像と言語を扱うモデルです。画像に対して「型式と製造番号を取り出して」と指示し、文字や周囲の配置を手がかりに回答を生成できます。

FAでは、品種ごとに表示位置が変わる銘板や、様式が異なる帳票から必要な項目を取り出す用途が検討できます。ただし、回答は正解の保証ではありません。読めない文字を推測して埋めることもあるため、照合と確認の工程が必要です。

実ワークで評価する

品種、ロット、照明、姿勢、汚れ、反射を含む画像を用意し、調整に使う画像と最終評価用の画像を分けます。人が確認した正解と照合し、項目ごとの完全一致率、誤読率、未読率、処理時間の分布を比較します。

薄い刻印や小さな文字では、先に撮像条件を見直します。VLMは寸法測定や微小傷検出を保証する技術ではありません。測定精度や欠陥の検出が目的なら、校正を含む計測手法や、その検査に適した画像処理を別に評価します。

ローカルAIなので、機密文書でも安心

ヒトミビジョンのVLMはローカルPCで動作します。クラウドで動くAIと違い読み取り画像を外部へ送信しないため、機密性の高いデータの読み取りも問題ありません。