外観検査を自動化する前に整理すべき3つのチェックポイント

外観検査の自動化を検討し始めると、思いのほか早い段階で壁にぶつかります。何から手をつければよいか分からない。メーカーの提案が妥当なのか判断できない。そうした迷いの多くは、検討の順番が定まっていないことから生じています。

本記事では、外観検査の自動化を進める際に押さえておくべき3つのチェックポイントを解説します。AIかルールベースかという議論より先に整理すべき、ハードウェアの成立性を中心とした思考の流れを示します。

なぜ「ハードウェアから考える」のか

外観検査の自動化を検討するとき、多くの現場ではまずアルゴリズム（AIかルールベースか）の話になりがちです。しかし実際には、どれだけ優れたアルゴリズムを使っても、撮影環境が整っていなければ検査は成立しません。

必要な分解能が出ていない画像、照明ムラで情報が失われた画像をAIに投入しても、精度は出ません。検討の起点をハードウェアに置くことで、装置の全体像とコスト感が先に見えてきます。アルゴリズムはその後に選べばよいのです。

Check 1：対象物と欠陥の情報を整理する

最初にやるべきことは、検査対象の観察と欠陥情報の収集です。ここで集めた情報が、装置の規模とコストを決定づけます。

対象物の外観特性を把握する

着目すべきは光沢・色・サイズ・形状の4点です。特に以下は自動化を難しくする条件として知っておくべきです。

• 曲面・高光沢面：照明の反射（ハレーション）が発生しやすく、欠陥の見え方が位置によって変わるため検出ルールが安定しにくい。偏光フィルタや分割撮影で対処できますが、それぞれトレードオフがあります
• 透明体：コントラストが低く情報量が少ない画像になりやすい。近年は紫外照明の活用も選択肢に入ってきています
• 300mm超のワークサイズ：標準的なFA照明の照射範囲を超えるため、分割撮影を前提に設計する必要があります

欠陥情報を定義する

欠陥については以下の4点を事前に整理しておきます。この2つの軸——対象物の外観特性と欠陥情報——を掛け合わせて整理することが、装置設計の出発点になります。

• 欠陥の種類と最小サイズ：カメラ選定の根拠になります。「最小でどの程度の欠陥を見たいか」が曖昧だと、カメラ選定も曖昧になります
• 発生位置の傾向：特定部位にしか発生しない欠陥があれば、光学系を必要以上に大きくせずに済みます
• 優先度の切り分け：「絶対に取りたい欠陥」と「判断基準が曖昧でクリティカルでない欠陥」を分けます。欠陥種が増えるほど照明条件も増え、装置が重くなります
• 色味検査の要否：色味検査が必要ならカラーカメラ、不要ならモノクロカメラが基本です。モノクロはデータが軽く分解能を取りやすい特性があります

Check 2：必要な分解能を計算する

対象物と欠陥の情報が揃ったら、次は必要なカメラスペックの見積もりです。

「5px基準」で欠陥サイズを換算する

実務上の目安として、欠陥の1辺が画像上で5px程度に写ると検出の可能性が出てきます。この基準をもとに、最小欠陥サイズから必要な分解能と撮影視野を逆算します。

FAでよく使われるカメラ画素数と、5px基準での視野目安（長辺）は以下の通りです。

• 2Mカメラ（1,600×1,200px）：最小欠陥サイズ[mm] × 32 ≒ 視野[cm]
• 5Mカメラ（2,400×2,000px）：最小欠陥サイズ[mm] × 48 ≒ 視野[cm]
• 12Mカメラ（4,000×3,000px）：最小欠陥サイズ[mm] × 80 ≒ 視野[cm]
• 25Mカメラ（5,100×5,100px）：最小欠陥サイズ[mm] × 100 ≒ 視野[cm]

計算してみると「思ったより視野が狭い」と感じることが多いはずです。それだけ人間の目は高性能であり、機械に置き換えることの難しさでもあります。

コスト観点では、12Mまでのカメラは画素数あたりの価格が比較的安定しています。それ以上の高画素帯はカメラ・レンズともに割高になりやすいため、5Mまたは12Mを起点に検討するのが現実的です。

クラック検査は別扱いで考える

幅10μm以下のクラックは特殊ケースとして切り出して考える必要があります。5px基準では現実的でないため3px程度（分解能3〜5μm）を目安にしますが、そのレンズ倍率では被写界深度が0.5mm以下となり、立体形状への対応が極めて難しくなります。クラックだけを狙った専用の撮影ポイントを設けるアプローチが有効なケースが多いです。

Check 3：装置全体の成立性を評価する

撮影条件が固まったら、タクトタイムとコストの観点で装置全体を評価します。

タクトタイムを見積もる

おおよその目安として、撮影回数 × 1視野あたりの処理時間でタクトタイムの概算が出ます。撮影面数が多い場合は、ワークを動かして1台のカメラで対応するか、カメラを複数設置して並列処理するかの設計判断が必要になります。全周検査では撮影そのものより、搬送・姿勢変更をどう設計するかが装置の難易度を決めます。

コスト感を把握する

搬送系を含めた外観検査装置の初期コストは、対象物のサイズや検査面数、搬送機構の複雑さによってケースごとに大きく変わります。目安となる金額を最初から追い求めるより、光学系・搬送・制御・ソフトウェアそれぞれの構成要素を積み上げて見積もっていく考え方が基本になります。Check 1・2を整理した段階でメーカーに相談すると、提案の妥当性を自分で判断できるようになります。

アルゴリズムは最後に選ぶ

Check 1〜3を経て、ハードウェアとして成立する見通しが立ったあとに、ようやくアルゴリズムの選択に入ります。ルールベースにするかAIを使うかは、撮影環境と欠陥の性質によって最適解が変わります。この段階であればメーカーへの相談も具体的な議論ができ、提案内容の評価も自分でできるようになっているはずです。

アダコテックでは、HLAC特徴量を用いた独自のAI外観検査技術により、少ない良品画像から異常を検知するアプローチを取っています。アルゴリズム選定に迷う段階になったら、気軽にご相談ください。

まとめ：迷わないための検討順序

外観検査の自動化は、考える順番を間違えると何でもできる重厚な構成を目指してしまいがちです。ハードウェアの成立性から逆算することで、必要な仕様と不要な仕様が分かれ、コストの妥当性も判断しやすくなります。

最初の一歩は、手元にある欠陥サンプルを観察し、最小欠陥サイズを測ることから始められます。ご相談は、アダコテックまでお気軽にお問い合わせください。