AI外観検査のメリットとは？ 画像処理技術を用いた外観検査の概要とおすすめ製品5選

AIと外観検査の関係性とは？

AIを用いた外観検査は画像認識技術を活用した検査手法です。

まず、検査対象物となる製品や部品をカメラで撮影し、その画像データを基に良否の判定基準を設定します。何度かその作業を繰り返し、AIによる画像認識の学習を行うことで、アルゴリズムの精度を高めます。今現在で求められている検査品質を実現するのはもちろんのこと、学習によってその後の更なる精度向上を期待できるのがAI導入の特徴の一つです。

外観検査に用いられるディープラーニング・機械学習とは？

外観検査とAI技術の関係性についてもう少し深掘りをすると、前述したようなディープラーニング・機械学習の利用は検査精度を高める上では欠かすことができないものです。ディープラーニング・機械学習を上手く活用することによって、あらかじめ設定した基準等だけではなく、機械が自動的に不良判定の基準を導いて判断をしてくれます。<br> 機械学習の方法は主に「教師あり学習」と「教師なし学習」に分類されます。

教師あり学習

教師あり学習とは、取り込みをした学習データに正解（教師）となるラベルを付けて学習させる手法です。検査対象物となる画像データの不良基準を学習させることによって、自動でそれらを検知・判断させることが可能となります。

教師なし学習

一方、教師なし学習とは、正解（教師）のラベルを付けることなしで学習させる手法です。正解となるデータや基準を与えないために、機械が自ら不良基準を設定したり判定を導いたりすることになります。

AI外観検査を導入するメリット

検査工程の自動化を推進できる

生産量の維持・増加は製造現場における重要な命題ですが、そのためには検査工程の最適化が求められます。中には、これ以上検査にリソースを割くことができないために生産量を増やせない製造現場も数多くあるのが実状です。

しかし、目視検査からAIを用いた検査に検査手法を変更することで、検査工程を一部自動化できるようになります。その結果、検査の効率化が実現できるだけでなく、製造現場全体の生産効率の向上にも貢献ができます。

検査品質の安定・向上

検査を行う各作業者の習熟度に差があることも、製造現場が抱える課題の一つです。しかし、AIによる外観検査を導入すれば、あらかじめ設定した基準に基づいて良否を判定するため、検査品質が安定して均一化されます。

また、目視ではジャッジが困難であったり、そもそも認識が難しい微細な欠陥でも検出ができるようになるため、検査精度の向上が期待できます。

コストの削減

AIによる外観検査を実現するには、検査機やAIソフトウェアの導入はもちろんのこと、ワークフロー等の環境構築のために初期費用が掛かります。しかし、その後は配置する作業員を見直すことができるようになるため、検査コストの削減が期待できます。

また、急な欠員に伴う採用の苦労からも解放されます。

AI外観検査を実施する手順

AIで解決したい課題を明確にする

まずは、AIを用いることで克服したい外観検査における課題を明確にします。例えば、目視では検出が難しい不良を見つけ出すことで「検査精度を向上」させたいのか、あるいは検査工程の自動化によって「検査時間の短縮」を実現させたいのかなど、実現したい内容を洗い出すことで、本当にAIの活用が適しているのか、そしてその実現は可能なのかを検証します。

AIに覚え込ませる

実現したいゴールを明確にした後は、AIに学習させるフェーズに入ります。検査したい製品や部品の画像を撮像し、正常品と不良品の仕分けをディープラニングによって覚え込ませていきます。画像データを基に正常品・不良品の規則性を学習していくため、できるだけ多くの画像データを取り込むことで判定の精度が向上します。

トライアルを経て本導入へ

本導入の前にトライアルを行い、学習させた内容を期待している精度で実現できるかを検証します。トライアル結果を基にさらに追加学習を行なったり、フローの見直しを行うことで、検査結果の最適化を図ります。そして、判定結果に問題がないと判断した後、本導入へ移行します。

AI外観検査の事例紹介

自動化が難しい金属加工品の検査

課題背景	目視による検査が一般的な金属加工品。傷の大きさや形状が様々であったりする事情からAIによる学習が困難であったが、生産量の増加に伴い検査の自動化を実現したい。
導入効果	人間がこれまで自ら判定していた良否をプログラムで法則化。ディープランニング等の技術を活用することで、目視検査の精度を維持したまま検査を自動化することができた。

目視では見つけにくい異物の検出

課題背景	ひじきやこんぶなど、個体差の大きい食品の目視検査。アレルギー食品として指定されているエビやカニなどの検出が困難であった。
導入効果	定義の難しい画像判定をAIでルール化することにより、目視や金属探知機での検出が難しいレベルの異物混入も瞬時に判定ができるようになった。小さなエビやカニだけではなく、目視では見落としがちになるビニール片などの検知も幅広くカヴァーした。

欠陥検出の難易度が高い複層ガラス

課題背景	検査項目が多く、複雑な角度によって検査判定が難しい複層ガラス。一つ一つを人の目で検査していたため、膨大な時間が必要なことに頭を悩ませていた。
導入効果	キズ・コーディングの不備・汚れ・気泡など複数の不良項目をAIで学習させた。オリジナルの全自動欠陥検出システムを開発することで、複数の良品判定も瞬時に行えるようになり、検査時間が大幅に削減された。

AIを外観検査に導入して、今抱えている検査工程における課題を解決しませんか？

AIを用いた画像処理技術による外観検査を実現できれば、従来の目視検査で抱えている課題を解決することができます。検査精度の向上はもちろんのこと、工程の自動化による検査効率の向上、人的コストの削減を見込むことができます。まずはAIを導入することによって既存のどのような課題を解決したいのかを洗い出し、その課題に貢献できる製品を選択するようにしましょう。