外観検査AIの精度は撮像で決まる：カメラ・レンズ・照明の設計で見逃しを減らす

外観検査AIのPoCで精度が頭打ちになったとき、原因はモデルではなく「欠陥が写っていない画像」にあることが少なくありません。本記事では、欠陥の見え方から逆算して照明・レンズ・カメラを決める撮像環境の設計手順を、現場で使える判断基準とともに整理します。撮像を先に固めることで、学習データの作り直しややり直しPoCにかかる時間とコストを大きく減らせます。

モデルを何度差し替えても精度が上がらないとき

外観検査のPoCでよくあるのが、検出率が7割前後で止まり、モデルのアーキテクチャや学習の設定をいくら変えても改善しない、という状況です。学習データを追加しても効果が薄く、追加のアノテーション工数だけが積み上がっていきます。 こうした場合、画像そのものを疑うべきです。実際に不良と判定されたはずの画像を等倍で開き、人が見て欠陥の位置を指させるかどうかを確認してください。指させないなら、その画像には欠陥の情報が入っていません。情報が入っていない画像から欠陥を当てるモデルは原理的に作れず、精度の上限は撮像の時点で決まってしまっています。 撮像環境の作り直しは、学習データの取り直しを伴うため、プロジェクトが進むほど痛手になります。だからこそ、データ収集を始める前に撮像を固めることが、検査AI導入で最も費用対効果の高い工程になります。

撮像設計の合格ラインは「人がモニタ上で指させるか」

撮像環境の良し悪しは、解像度やカメラの型番といった仕様だけでは判断できません。判断基準はもっと単純で、撮った画像をモニタに表示したとき、検査を知らない人でも欠陥を指させるかです。 この基準は現場で共有しやすく、装置ベンダーとの会話にも使えます。具体的には、次の3点を撮像テストの合格条件として決めておきます。

• 欠陥部と正常部の明るさの差が、モニタ上ではっきり見て取れること。
• ワークを置き直したり向きを変えたりしても、同じように見えること。
• 正常品を何度撮っても、欠陥に見えてしまう写り込みが出ないこと。

3番目は見落とされがちですが重要です。正常品が欠陥に見える撮像は過検出の温床になり、現場で「AIはよく止まる」と言われる原因の多くはここにあります。

欠陥の見え方から逆算して照明を決める

撮像設計で最も効果が大きく、かつ最も軽視されているのが照明です。同じカメラ、同じレンズでも、照明を変えるだけで欠陥のコントラストは大きく変わります。照明は「明るくするための装置」ではなく、見たい欠陥だけを浮かび上がらせるための装置と考えてください。

傷・打痕・凹凸を見たい場合

表面の凹凸は、光を浅い角度から当てると陰影が強く出ます。ワークの真横に近い低い角度から照らすローアングル照明やバー照明が向きます。正面から均一に照らすと凹凸は平坦に写り、かえって見えなくなります。

印字・ラベル・色ムラを見たい場合

面としての情報を読みたい場合は、影が出ないことが優先されます。ドーム照明のような拡散照明で全方位から均一に当て、陰影を消します。凹凸を見る場合とは逆の設計になる点に注意してください。

光沢面・鏡面・透明体を見たい場合

金属の研磨面やフィルムのような光沢のある対象は、照明そのものが映り込んで欠陥を隠します。カメラと同じ軸から光を当てる同軸落射照明や、偏光フィルタによる映り込みの抑制が有効です。透明体では、背面から照らす透過照明で異物や気泡を影として捉える方法もあります。

照明方式の使い分け

実務では、見たい欠陥ごとに照明方式を選び分けます。1つの照明ですべての欠陥種別をカバーしようとすると、どの欠陥も中途半端にしか見えない撮像になりがちです。

複数の欠陥種別を1ラインで検査する場合は、照明を切り替えて複数回撮像するか、カメラを複数台設置する構成を検討します。撮像回数が増えるとタクトタイムに影響するため、この判断は検査要件を決める段階で行っておく必要があります。

解像度は最小欠陥サイズから逆算する

カメラの画素数は「多ければよい」ものではなく、検出したい最小の欠陥が何画素で写るかで決めます。実務上の目安として、欠陥が最低でも3画素、安定して検出したいなら5画素以上で写る解像度を確保します。 逆算は次の手順で行います。

1. 検出したい最小欠陥のサイズを決める（例：0.3mmの傷）。
2. 1画素あたりの分解能を決める（0.3mm ÷ 5画素 = 0.06mm/画素）。
3. 視野の幅を分解能で割る（視野100mm ÷ 0.06mm = 約1667画素）。
4. 余裕を見て、横方向2000画素以上のカメラを選ぶ。

この計算で重要なのは、1番目の「最小欠陥サイズ」を現場と合意しておくことです。ここが曖昧なまま「できるだけ小さい傷も見つけたい」と進めると、必要な解像度が青天井になり、カメラ費用とタクトタイムの両方が跳ね上がります。過去の不良品の実物やクレーム記録から、実際に問題になったサイズを確認して決めるのが現実的です。 なお、視野を広く取るほど分解能は落ちます。必要な分解能が確保できない場合は、カメラを複数台に分けて視野を分割するか、ワークを分割して撮像する構成を検討します。

上のグラフは、同一のワークと同一のモデルで照明条件だけを変えたときの検出率の違いを示したイメージです。モデルを変えずとも、撮像条件の見直しだけで大きく結果が変わることは珍しくありません。

レンズ選定で後から効いてくる被写界深度

レンズは焦点距離だけで選ばれがちですが、現場で問題になりやすいのは被写界深度、つまりピントが合う奥行きの範囲です。 搬送されるワークの高さがばらつく場合や、立体的な対象の上面と側面を同時に見たい場合、被写界深度が浅いとどこかが必ずぼけます。ぼけた領域の欠陥は検出できません。絞りを絞れば被写界深度は深くなりますが、その分だけ光量が落ちるため、照明の強度とセットで検討する必要があります。 また、ワーキングディスタンス（レンズから対象までの距離）は、装置への組み込み可能性を左右します。設計段階で十分な距離が取れると想定していても、実際の設備では搬送機構や安全カバーが干渉して所定の位置にカメラを置けない、というケースは頻繁に起こります。撮像条件を検討する際は、必ず設備側の担当者と設置スペースを確認してください。

再現性を落とす3つの要因

撮像が一度うまくいっても、それが毎日再現できなければ検査AIは運用に乗りません。運用フェーズで精度が落ちる原因の多くは、モデルの劣化ではなく撮像条件の変化です。

• 外光の混入：窓からの日差しや天井照明が入り込むと、時間帯や季節で明るさが変わります。遮光カバーの設置は撮像設計の一部として最初から見込んでおきます。
• 振動とワークの位置ずれ：搬送中の撮像はブレの原因になります。停止させて撮るか、露光時間を短くして照明を強くするかの判断が必要です。
• レンズと照明の汚れ・劣化：粉塵の多い環境ではレンズが曇り、LED照明は使用時間とともに光量が落ちます。清掃と光量確認を日常点検に組み込みます。

これらは、基準となるワーク（マスターピース）を定期的に撮像し、明るさやコントラストの変化を記録することで早期に気づけます。運用の仕組みとして、撮像の点検を検査結果の点検と同じくらい重視してください。

データ収集の前に撮像テストを終わらせる

撮像環境の検討は、次の順序で進めると手戻りが最小になります。

1. 検出したい欠陥の実物サンプルを集める（良品と不良品の両方）。
2. 欠陥種別ごとに、照明方式を変えて試し撮りする。
3. 撮った画像を現場の検査担当者に見せ、欠陥を指させるか確認する。
4. 合格した撮像条件を固定し、そこで初めて本格的なデータ収集を始める。

1番目のサンプル集めが、実は最も時間のかかる工程です。不良品は発生頻度が低く、発生しても廃棄されていて手元に残っていないことがよくあります。撮像設計に着手すると決めた時点で、現場に不良品の保管を依頼しておくと、後の工程がスムーズに進みます。 3番目の確認を、AIの担当者だけで済ませないことも大切です。日々ワークを見ている検査担当者は、画像の違和感に最も早く気づきます。この段階で現場を巻き込んでおくと、運用フェーズでの受け入れもスムーズになります。

次の一歩：現場で最初に確認する3つのこと

撮像環境の設計は専門的に見えますが、着手のハードルは高くありません。まずは次の3点を現場で確認するところから始めてください。

1. 検出したい最小欠陥のサイズを、過去の不良品やクレーム記録から具体的な数値で確認する。
2. 不良品の実物サンプルが手元にあるか、なければ今から保管を始められるかを確認する。
3. カメラを設置できるスペースと外光の状況を、設備担当者と一緒に現地で確認する。

この3つが押さえられていれば、照明やレンズの具体的な選定は試し撮りを重ねながら詰められます。逆にこの3つが曖昧なまま機材を選定すると、撮り直しとやり直しが避けられません。モデルの検討に入る前に、まず「欠陥が写る画像」を確保することが、検査AIを実運用まで届かせる最短経路です。