基本情報

製品・サービス名anomalib（OpenVINO連携）
提供元Intel Corporation（オープンソース）
本社所在地米国
地域欧米
用途分類外観検査
主な用途画像の異常検知（良品学習）、外観検査AIの内製、CPUでの推論
提供形態オープンソースライブラリ（OpenVINO／NNCFでCPU向けに最適化可能）
主な対応業種—
価格オープンソース（無償）
日本での提供オープンソースとして公開（国内での商用サポートは未確認）
情報確認日2026年10月12日

特徴と位置づけ

anomalibは、良品画像から外れたものを異常として検出する手法を多数実装したオープンソースのライブラリです。PaDiM、PatchCore、CFLOW-AD、DFM、STFPM、GANomaly、EfficientADなどを含み、IntelのOpenVINOとNNCFを使って量子化・最適化し、CPU向けにデプロイできるとされています。

論文ではPatchCoreが公開ベンチマークMVTec ADで画像レベルAUROC最大99.6%と報告されていますが、anomalibの再現ベンチマーク（MVTec平均）ではPatchCoreが画像0.981、PaDiMが画像0.891と、論文値より低い手法もあります。また、部品の欠落や配置違いのような論理的な異常を含むデータでは、性能が大きく下がることが知られています。

ライブラリを使えばモデルは数日で動かせますが、外観検査の内製で止まりやすいのはモデル以外の部分です。撮像系（照明・カメラ）の設計、ライン横の推論環境、再学習の運用、保守体制、品質保証部門への説明を誰が担うかを決めてから着手することが重要です。

強み

  • 代表的な異常検知手法を同じ仕組みで比較・試行できる
  • OpenVINOでCPU推論に最適化でき、GPUのない現場の機器でも動かしやすい
  • 無償で、外観検査AIの内製や製品評価の比較基準に使える

検討時の注意点

  • 論文の精度がそのまま再現されるとは限らず、自社の不良画像での評価が必要
  • 撮像系・推論環境・再学習運用・保守は利用者側で整える必要がある
  • ベンチマーク用データセットには商用利用できないライセンスのものがある

出典

本ページは提供元からの費用負担を受けずに作成しています。掲載内容は上記「情報確認日」時点の公開情報にもとづきます。