エヌ・ティ・ティ・コムウェア株式会社は、2025年7月1日に「NTTドコモソリューションズ株式会社」へ社名を変更いたしました。
エヌ・ティ・ティ・コムウェア株式会社は、2025年7月1日に「NTTドコモソリューションズ株式会社」へ社名を変更いたしました。
Deeptectorは、ディープラーニングを活用した高精度な外観検査ソリューションです。
人手不足と品質向上の課題を同時に解決し、製造現場に革命をもたらします。
Deeptectorは複数の業界アワードを受賞。
その実力が認められています。
ITR「ITR Market View：画像・音声認識市場2025」より
2024年度実績売上高ベースのベンダーシェア順位
さまざまな業界・用途でDeeptectorが活躍しています
| 業界 | 分類 | 概要 | 利用機能 |
|---|---|---|---|
| 製造業 | 検品 | 部品の欠け | 物体検出型 |
| 製造業 | 検出 | 金属・金型・鋳物製品検査 | 物体検出型 |
| 製造業 | 検品 | 布・繊維製品（汚れ・ほつれ等） | 物体検出型 |
| 製造業 | 検出 | 工場（検品、服装、ヘルメット） | 物体検出型 |
| 製造業 | 検出 | ベルトコンベア(欠陥、異常品検出) | 物体検出型 |
| 製造業 | 検出 | プラスチック製品の欠け、塗装ムラ | 物体検出型 |
| 製造業 | 検品 | ラックの疵 | 物体検出型 |
| 製造業 | 検出 | 缶(製造)の印刷 | 物体検出型 |
| 製造業 | 検出 | 皮製品（シワ、汚れ） | 物体検出型 |
| 製造業 | 検品 | 筆巻(ペンキのタマ、瓶の検出) | 物体検出型 |
| 製造業 | 検出 | ビニールクロスの欠点 | 物体検出型 |
| 製造業 | 検出 | 断熱材の製品不良検査 | 物体検出型 |
| 製造業 | 検出 | 光学レンズ検品 | 物体検出型 |
| 製造業 | 検出 | 車(疵、シート、バンパー等) | 物体検出型 |
| 製造業 | 検出 | 硝子繊維の製品検査 | 物体検出型 |
| 製造業 | 検出 | ガスボンベの白金箔記 | 物体検出型 |
| 製造業 | 検出 | 溶接個所の良否判定 | 分類型 |
| 製造業 | 検出・OCR | 印刷物・包装紙-検品（文字読み取り、汚れ検出） | 物体検出型、OCR |
| 製造業 | 物体の量判定 | 画像上の面積による量判定(土砂、木くず、積載) | 領域検出型 |
| 製造業 | ドアの種類分類 | ドアの種類分類 | 分類型 |
| 化学 | 検出 | 化学物質の分液の状況把握・操作 | 分類型 |
| 化学 | 検出 | 化学製品の品質検査 | 物体検出型 |
| 化学 | 炎の状態検知 | プラント工場内の炎の色分類/炎の大きさ | 物体検出型 |
| 化学 | 生物検出 | 微生物の数カウント | 物体検出型 |
| インフラ | ロボット | プラントにおける巡回点検 | 物体検出型 |
| インフラ | 分類 | 車両植物保険検出 | 分類型 |
| インフラ | 分類 | 道の水位・度確認 | 分類型 |
| インフラ | 検出 | 建築のサビ検知 | 領域検出型 |
| インフラ | 巡視 | 電柱の営巣検知、つるつた検知、電柱検知 | 物体検出型 |
| 食品 | 食品 | 野菜の生育状況判断 | 物体検出型・分類型 |
| 食品 | 食品 | 食器の検出、配膳漏れ | 物体検出型 |
| 食品 | 食品 | 食材の分類 | 物体検出型・分類型 |
| 食品 | 検出 | ライスペーパーの異物検出 | 物体検出型 |
| 食品 | 検出 | 食羊料の品質確認 | 物体検出型 |
| セキュリティ | 生物検出 | 人物・動物検知 | 物体検出型 |
| セキュリティ | トレーニング | ドローン運携による物体検出（密漁監視） | 物体検出型 |
※上記は実績の一部です。お客様の業界・用途に合わせた最適なソリューションをご提案いたします。
こんなお悩みは
ありませんか？
ビジネス課題に合わせてAIによる画像認識の判定パターンを選択できます
欠陥や異物の位置を特定し、正確に検出
製品を複数のカテゴリに自動分類
品質の程度を数値化して評価
メーターやゲージの数値を自動認識
Deeptectorは、画像の収集からAIの学習、判定までをワンストップで完結。
わずかな画像データからでも、高精度な異常検知・品質検査をすぐに実現できます。
お客様の環境に合わせて、専用環境に設置できる「インストール版」と、クラウド環境で利用できる「クラウド版」をご用意。
製造現場の振動や温度変化にも対応した産業用エッジAIパッケージも提供しています。
セキュリティ要件や既存システムとの連携に応じて、最適な導入形態をお選びいただけます。
Deeptectorでは、導入前にトライアルを通じて現場レベルでの効果を体感いただけます。
不良品サンプルが少なくても高精度な検査が実現できるのか、実際のラインで本当に使えるのかを、
専門知識がなくても簡単にご確認いただけます。
トライアル後には、AIモデルの精度や導入適性をフィードバックし、
御社に最適な運用方法をご提案します。
4段階で効率的に導入を進めます
メール等でお問い合わせ
ヒアリング日程のご連絡
現状の課題などを担当者までお伝えください
無料相談のご提案と実施
学習・判定に使用する画像を当社にご提出
お客様よりいただいた画像をDeeptectorに学習・判定させ、結果のご報告及び導入に向けたご提案を実施
トライアル結果をもとに、製品版の導入可否のご判断を頂きます
お客様がご利用されている既存システムとの連携・導入方法等について、ご相談に応じて検討を実施
当社にてお客様課題に応じたAIを作成し、導入前に判定精度や機能をご確認いただいております
※学習画像不足の場合は、お客様に追加収集・提示を依頼
※必要に応じ①～②を繰り返し実施
※検出画像を用いてテスト実施
※必要に応じ「学習実施」に戻る
※「学習実施」のチューニングで得られた見解を中心に報告
※「Deeptector」はNTTドコモソリューションズ株式会社の登録商標です。
※「SmartCloud（スマートクラウド）」および「SmartCloud」ロゴは、NTTドコモソリューションズ株式会社の登録商標です。
※商品およびサービスの内容は、予告なく変更する場合がありますので、あらかじめご了承ください。
※その他、掲載されている社名・商品名などは、各社の商標または登録商標である場合があります。
