AI 外観検査

少量多品種・不定形ワークにも対応する、外観検査の自動化

キズ・異物・欠け・汚れ・印字不良 —— 目視に頼ってきた外観検査を、AI と画像処理で自動化します。少量多品種生産、不良サンプルの不足、良品のばらつきが大きいワークなど、「市販の検査パッケージでは対応しきれない」現場こそ、私たちの得意領域です。撮像設計からアルゴリズム開発、現場導入、運用の内製化まで一気通貫で伴走します。

VISUAL INSPECTION

RUNNING

OK

NO.

04217

OK

4127

NG

91

※映像・検査画面はイメージ (デモ表示) です

1. 0130〜60 分

   初回無料相談

   検査対象・欠陥の種類・要求精度・タクト・品種数・不良サンプルの有無をヒアリングし、その場で検討できる方向性 (古典 / DL / 異常検知型) を提示します。費用はかかりません。

2. 021〜2 週間

   サンプル調査・ワークテスト

   実サンプル (良品・不良品) をご提供いただき、照明・カメラの条件を変えて欠陥が撮像で顕在化するかを確認。検査が技術的に成立するか、どの方式が最有力かを早期に切り分けます。

3. 031〜3 ヶ月

   PoC 設計 + 実施

   アルゴリズム選定、学習データ収集、精度評価までを実施。過検出 (見すぎ) と見逃しのバランスを、ラインの運用条件と擦り合わせて閾値設計します。

4. 041〜3 ヶ月

   装置統合・現場導入

   PoC 結果を踏まえ、撮像装置・PC・PLC 連携・NG 品の排出 / 通知フローを含めた本番システムを構築。ライン組み込み・タクト調整・運用テストまで伴走します。

5. 051〜2 ヶ月

   運用ハンドオフ

   新品種の追加登録・再学習・閾値見直しを社内で回せる運用フローとドキュメントを整備し、保守運用までを引き継ぎます。

• Q. 不良品のサンプルがほとんどありません。それでも AI 外観検査を作れますか？+

  作れます。不良サンプルが少ない場合は、良品画像のみで学習する異常検知型 (良品学習) モデルを第一候補にします。運用開始後に見つかった不良を教師データとして蓄積し、段階的に判別精度を高める設計にするため、最初から大量の不良サンプルを揃える必要はありません。

• Q. 少量多品種で品種が数十〜数百種類あります。全品種に対応できますか？+

  一括対応ではなく、段階導入を推奨しています。まず生産量・不良率の大きい品種で立ち上げ、品種マスタと連動した検査レシピの仕組みを作った上で、新品種の追加を「登録作業」にしていきます。形状・材質が近い品種は共通モデル / 共通レシピでまとめられることも多くあります。

• Q. 過検出 (良品を不良と判定) が多くて、結局全数目視に戻りませんか？+

  過検出と見逃しのバランス設計こそが外観検査自動化の本丸です。ラインの運用条件 (再検査の工数、流出時のリスク) と擦り合わせて閾値を設計し、グレーゾーンのみ人が確認する役割分担にすることで、「AI + 人」全体での検査工数を最小化します。

• Q. 市販の AI 外観検査ツール・パッケージとの違いは何ですか？+

  私たちはツール販売ではなく受託・伴走型です。市販ツールで足りる案件にはツールの活用を勧めますが、少量多品種・不定形ワーク・特殊な撮像条件など、パッケージの前提から外れる現場では、照明・カメラの撮像設計とアルゴリズムを個別に設計する方が結果的に安く確実です。その見極めから一緒に行います。

• Q. 目視検査を一度に全部置き換える必要がありますか？+

  ありません。むしろ段階的な自動化を推奨します。効果の大きい品種・欠陥から着手し、AI 判定と人の確認の役割分担を運用しながら調整することで、リスクを抑えつつ検査工数を下げていきます。過去案件でも目視率 100% → 5% (毛髪検出) のように段階的に到達しています。

• Q. 費用感と期間の目安を教えてください。+

  対象によりますが、ワークテスト 1〜2 週間で技術成立性を切り分けた後、PoC 1〜3 ヶ月 + 本番導入 1〜3 ヶ月が目安です。初回相談とその場での方向性提示は無料です。ワークテストで「自動化に向かない」と判断した場合は、その理由と代替案 (検査工程の見直し等) をお伝えします。