外観検査AIの選び方｜分類・検出・セグメンテーション使い分けQ&A
外観検査にAIを導入しようとすると、最初に悩むのが「分類・検出・セグメンテーションのどれを使うべきか」というモデル選びです。本記事では、製造現場の品質管理・設備保全のご担当者からよく受ける質問に答える形で、外観検査AIのモデル選び方の判断基準を、アノテーション工数や必要画像枚数の目安とあわせて解説します。
画像AIによる外観検査の相談を受けるとき、技術的な議論の前に必ず整理するのが「分類・検出・セグメンテーションのどのタスクで解くか」です。ここを曖昧にしたままPoCを始めると、アノテーション工数が想定の数倍に膨らんだり、現場が求める出力（欠陥の位置や大きさ）が得られなかったりします。 この記事では、実際のPoC支援でよく受ける7つの質問に答える形で、モデル選定の実務的な判断基準をまとめます。
Q1. 分類・検出・セグメンテーションは何が違うのですか？
結論から言うと、違いは「AIが出力する情報の粒度」です。分類（Classification）は画像1枚に対して「良品／不良品」「欠陥Aあり／Bあり」といったラベルを返します。物体検出（Object Detection）は欠陥の位置を矩形（バウンディングボックス）で返します。セグメンテーション（Segmentation）は欠陥の領域をピクセル単位で塗り分けて返します。 情報の粒度が細かいほど後工程でできることは増えます。例えば「傷の長さが0.5mm以上なら不良」という規格判定には、傷の形状がわかるセグメンテーションが必要です。一方、「この画像に不良が写っているか」だけわかればよいなら分類で十分です。 重要なのは、粒度が細かいモデルほど学習データの準備（アノテーション）コストも精度検証の手間も増えるという点です。「高機能だから良い」ではなく、「検査の判定基準に必要な最小の粒度」を選ぶのが基本です。
Q2. 外観検査AIの選び方として、まずどのモデルから検討すべきですか？
原則は「分類で足りるなら分類から」です。判断の起点は、現場の検査基準書に立ち返ることをおすすめします。基準書に「〜があれば不良」としか書かれていないなら分類、「位置によって判定が変わる」「個数を数える」なら検出、「長さ・面積・幅で判定する」ならセグメンテーション、というのが大まかな対応関係です。 具体例を挙げると、樹脂成形品の「ショートショット（充填不足）の有無」は画像全体の印象で判定できるため分類が向きます。基板実装の「部品の欠品・位置ずれ」は部品ごとの位置情報が要るため検出が適します。金属表面の「傷の長さが規格値を超えるか」はピクセル単位の形状が必要なためセグメンテーションになります。 迷ったら、検査員の方に「不良と判断するとき、何を見て・何を測っていますか」とヒアリングしてください。「見ればわかる」なら分類寄り、「ノギスやルーペで測る」ならセグメンテーション寄り、という感触が得られます。
Q3. アノテーションの工数はどれくらい違いますか？
目安として、画像1枚あたりのアノテーション時間は、分類が数秒〜十数秒、検出が1〜2分、セグメンテーションが5〜10分程度です。欠陥が小さく境界が曖昧な場合、セグメンテーションは1枚15分以上かかることもあります。
1,000枚の学習データを作る場合で比べると、分類なら数時間、検出なら20〜30時間、セグメンテーションなら100時間前後という規模感になります。セグメンテーションを選ぶなら、アノテーションを誰が・いつ・どの基準でやるかを計画段階で決めておかないと、PoCの期間とコストを圧迫します。 また、アノテーションの「品質」も粒度が細かいほど問題になります。検査員によって欠陥の境界の引き方が違うと、モデルの精度が頭打ちになります。着手前にアノテーションガイドライン（欠陥の定義、境界の引き方、迷ったときの判断ルール）を1枚にまとめ、最初の50枚を複数人で突き合わせて基準をそろえる工程を入れることを強く推奨します。
Q4. 学習に必要な画像は何枚くらい集めればよいですか？
事前学習済みモデルの転移学習を前提にすると、初期のPoCの目安は、分類でクラスあたり100〜300枚、検出で欠陥種あたり200〜500個の欠陥インスタンス、セグメンテーションで300〜1,000枚程度です。ただしこれは「傾向をつかむ」ための枚数で、量産ラインでの実運用にはこの数倍〜十数倍が必要になるのが一般的です。 現場で本当に問題になるのは枚数よりも「不良品画像の偏り」です。不良率が0.1%のラインでは、不良画像を数百枚集めるだけで数十万個分の生産ロットが必要になる計算です。しかも集まった不良は発生頻度の高い欠陥に偏り、まれだが重大な欠陥のサンプルはほとんど手に入りません。 対策としては、過去の不良品サンプルの保管品を撮影してデータに加える、照明や角度を変えて1つのサンプルから複数枚撮る、データ拡張（反転・回転・明度変化）を使う、といった方法があります。それでも不良データが集まらない場合は、次のQ6で触れる良品学習型のアプローチを検討します。
Q5. 傷や汚れのような不定形の欠陥には、どのモデルが向きますか？
形や大きさが毎回異なる不定形欠陥（擦り傷、打痕、汚れ、ムラなど）には、セグメンテーション、または良品学習型の異常検知が向きます。矩形で囲む物体検出は、細長い傷や面状のムラを囲むと背景部分が大半を占めてしまい、学習が安定しにくいためです。 例えば、ヘアライン加工された金属表面の微細な傷の検査では、矩形検出だと加工目と傷の区別がつかず誤検出が多発したケースがあります。セグメンテーションに切り替え、「傷の画素数×画素分解能」で長さを算出する構成にしたところ、規格値ベースの判定ができるようになり、過検出も大幅に減りました。 一方で、不定形欠陥はアノテーションの境界判断が特に難しい領域でもあります。「どこからが汚れか」を人が一貫して塗り分けられないなら、ピクセル単位の正解データ自体が作れません。その場合は、正解の塗り分けが不要な良品学習型のほうが現実的な選択になります。
Q6. 良品学習（異常検知）型とは、どう使い分ければよいですか？
良品学習型は、良品画像だけを学習し「良品らしくない部分」を異常として検出するアプローチです。使い分けの軸は2つあります。1つは「不良データが十分に集まるか」、もう1つは「欠陥の種類を特定する必要があるか」です。 不良データが数十枚以下しかない、未知の欠陥も拾いたい、という状況なら良品学習型が第一候補です。良品画像は量産ラインから大量に集められるため、立ち上げが速いのが利点です。逆に、「傷とゴミ付着で後工程の処置が変わる」「欠陥種別ごとに発生傾向を分析したい」といった要件があるなら、教師あり（分類・検出・セグメンテーション）が必要です。 実務では、まず良品学習型で「怪しい箇所の検出」を行い、運用しながらたまった不良画像で教師ありモデルを後から追加する、という二段構えがよく機能します。最初から完璧なモデルを目指さず、データが増えるにつれて構成を進化させる前提で設計するのが現実的です。
Q7. PoCでモデル選定を失敗しないためには、どう進めればよいですか？
結論は「モデルを決める前に、評価基準と撮像条件を固める」ことです。失敗するPoCの多くは、モデルの種類の議論から始まり、「何%の見逃し率・過検出率なら合格か」「照明と撮影条件は本番ラインと同じか」が曖昧なまま進んでいます。 進め方の目安は次の通りです。
- 検査基準書から判定に必要な情報の粒度を特定し、候補タスク（分類・検出・セグメンテーション・良品学習）を1〜2個に絞る
- 本番ラインに近い撮像条件で、良品・不良品あわせて100〜300枚のパイロットデータを撮影する
- アノテーションガイドラインを作り、少量データで短期間の試行学習を回す
- 見逃し率・過検出率を現場の許容値と突き合わせ、本格PoCに進むか、タスクや撮像条件を見直すかを判断する
特に見落とされがちなのが過検出率です。見逃しゼロを狙って閾値を厳しくすると過検出が増え、再検査の人手がかえって増えて「AI化したのに楽にならない」という事態になります。例えば1日1万個を検査するラインで過検出率が2%なら、毎日200個の再判定作業が発生します。この数字を現場が受け入れられるかを、PoCの合格基準として最初に合意しておくことが重要です。
まとめ：モデル選定で大事なのは「検査基準から逆算する」視点
ここまでの質問を振り返ると、共通するのは「どのモデルが高性能か」ではなく「検査の判定基準に必要な情報は何か」から逆算する視点です。分類・検出・セグメンテーションは優劣の関係ではなく、出力の粒度とデータ準備コストのトレードオフの関係にあります。 検討時のチェックポイントを3つに絞るなら、次の通りです。
- 検査基準書に立ち返り、判定に必要な最小の情報粒度を特定したか
- その粒度に見合うアノテーション工数と不良データの収集計画を見積もったか
- 見逃し率・過検出率の合格ラインを、現場と数値で合意したか
この3点が固まっていれば、モデルの種類は自ずと絞られますし、PoCの結果を見て軌道修正することも容易になります。まずは手元の検査基準書と不良品サンプルの棚卸しから始めてみてください。