AI外観検査(えーあいがいかんけんさ)とは
AI外観検査とは、製品の見た目をカメラで撮影し、傷や汚れ、欠けといった不良をAIが画像認識で見分ける仕組みのことです。これまで人が目で一つずつ確かめていた検査を、AIが肩代わりしたり、人の検査を補助したりします。製造ラインの品質チェックを、速くムラなく行うために使われるカテゴリです。
AI外観検査の仕組み
カメラと照明で製品をくっきり写し、その画像をAIが解析して合否を判定します。古いタイプの機械検査では、「この大きさの黒い点があれば不良」といった判定ルールを人が一つずつ作り込む必要がありました。深層学習を使う近年のAIは、良品と不良品の見分け方を画像から自分で学べるため、ルールにしづらい複雑な傷も拾えるようになっています。撮影から判定までを自動で回せる点が、大きな強みでしょう。
人の目視検査との違い
人の目視と比べた利点は、判断のブレが少なく、長時間でも基準を一定に保てること。微細な傷を見逃しにくい点も心強いでしょう。ただし万能ではありません。良品を誤って不良と弾く「過検出」と、不良の見逃しは、どちらもゼロにはできず、バランスの調整が要ります。撮影時の照明や角度のわずかな違いが結果を左右することもあり、現場ごとの作り込みは欠かせません。
Topic「不良品を見せない」のに不良を見つけられるわけ
外観検査AIには、ちょっとした逆転の発想があります。不良品は、そうそう大量には出ません。だからお手本にしたくても、不良品の写真がなかなか集まらないのです。そこで多くのAIは、ありふれた良品の画像だけを大量に覚え込み、そこから外れたものを「いつもと違う＝異常」として弾く、という異常検知の考え方をとります。悪い例を見せずとも、良いお手本さえ覚えれば、初めて見るタイプの欠陥にも気づける。データ集めの悩みを、発想の転換で乗り越えているわけです。
関連用語
AI外観検査に関するよくある質問
- AI外観検査を入れると、検査員はいらなくなりますか？
- そのまま無人化できるとは限りません。過検出や見逃しの調整、合否基準のすり合わせには人の関与が必要です。検査員の負担を軽くし、判断のばらつきを抑える補助役と考えると現実的です。
- どんな製品や不良の検査に向いていますか？
- 外観に表れる傷・汚れ・欠け・印字のかすれなど、見た目で判断できる不良に向きます。電子部品や食品、金属加工品など、大量に同じものを作る現場ほど効果が出やすいです。
- 導入すれば、すぐに高い精度で検査できますか？
- 最初から完璧とはいきにくいのが実情です。撮影の照明や角度の調整、合否ラインの作り込みを重ねて精度を育てます。現場に合わせた立ち上げ期間を見込んでおくと安心です。
