工場などの製造現場では製品の品質が規格内であることを保証するために外観検査が行われています。生産した製品を1つずつチェックし外観に不良がないか確認します。しかし全ての不良を見逃さないというわけではなく、「これくらいならOK」という限度見本を参考に判定していく場合もあります。
チェック方法は検査員が生産ラインに立って流れ作業で確認したり、検査室に運ばれてきた製品を撮影して画像を確認したり様々です。製造ラインで起こる不良は色々ありますが、これまで汚れ、凹み、打痕といったわずかな変化は製造時にカメラで捉えることが難しく目視による外観検査を行っていました。
汚れや凹みなどの表面状態検査を自動化するには、センサー技術や画像認識技術が用いられます。
センサーベースの自動化では、光学センサーや触覚センサーを使用して表面の異常を測定します。
画像認識技術に基づく自動検査は、あらかじめ撮影した製品の画像をAIが解析し、汚れや凹みの程度に異常がある場合にアラームを発します。
表面状態検査を自動化すると、目視検査に比べてより効率的で再現性の高い検査が可能になります。
異物付着や混入の検査を自動化には、センサーや画像認識技術が用いられます。
センサーベースの自動外観検査では光学センサーやX線検査装置を使用し、製品や部品の表面や内部に異物が付着・混入していないか検査します。光学センサーは異物の形状や色を検出し、X線検査装置は部品の内部に異物があるかどうかを検出します。
画像認識技術を使用した自動検査では、AI(人工知能)が異物の形状や特徴を学習し、あらかじめ用意した製品の画像と比較して異物を検出します。
現在の外観検査現場では、ルールベース検査が主流です。ルールベース手法では、検査員が事前に外観の異常や不良の特徴に関するルールを定義したうえで、センサー技術を駆使して製品の外観を検査・判定します。
汚れや凹みなどの表面状態検査では、画像センサーを用いて検査を行うケースが一般的です。その他、光電センサーやファイバーセンサーを用いて研磨の仕上がりや表面の厚みをチェックするケースもあります。
外観検査に対する品質要求は年々厳しさを増しており、検査員や検査プロセスの増加に限界を感じている企業も少なくありません。そのような社会変化を背景に、ディープラーニング技術を活用したAI外観検査の活用事例が増えています。
AI外観検査は機会が自ら検査ルールを学習して適応するため、人間の手で1から100まで厳格にルールを設定する必要がありません。表面状態検査の現場でも、AI技術の導入が進んでいます。
これまで目視検査では微小の汚れや凹みなどを発見するのは困難であり、人件費がかかるだけでなく検査員の見逃しもあるなど外観検査には一定のリスクがありました。また、従来の画像処理システム検査ではカップ麺容器や歯車などのような円柱状の側面に均一に照明を当てることが困難でした。
しかし最近ではラインスキャンカメラを使用することで1枚に展開した照明ムラのない画像を生成することが可能となり外観検査を自動化できるようになりました。ラインを流れる製品をカメラ撮影し画像認識とAI技術を使ったシステムを構築することでヒューマンエラーを防ぎコストも削減できます。
ラベル汚れは特殊な照明を使って表面の印刷を透過させて汚れを検出します。まずラベルをカメラで撮影し撮影された画像データから検査対象部分を切り出し、不良部分の検出がしやすくなるよう、画像データにフィルタ処理、強調処理、マスク処理を行います。
検査対象の範囲内にある不良部分を検出し、検査結果が判定基準内なら良品、判定基準外の場合は不良品となります。
ディープラーニング(深層学習)技術を活用したAI外観検査は、従来の目視検査に代わる新たな検査手法です。AI外観検査の導入により検査精度が向上すれば、検査工数や人的コストを削減できます。また、検査員の作業負担が軽減される、生産性が向上するなど、従来の目視検査が抱えてきた課題の解決につながります。
これまで人の目で確認していた外観検査を自動化できる「AI外観検査」。とにかく外観検査を省人化したい企業も、自動化して自社製品の品質を担保できるか心配な企業も、AI外観検査の導入前に仕組みを理解したうえで導入することで、うまく活用することができます。
本サイトでは、AI外観検査のしくみからメリット、初めての導入におすすめの開発会社までをすべて紹介しています。
カップ麺などの容器や包装の材料はポリエチレン・ポリスチレンなどで製造方法はポリスチレンシートを熱で柔らかくしてから金型で成形してカットしていきますが、カップ内部の継ぎ目の汚れやパッケージの凹みが起きがちです。
カップ麺の容器は破損または変形などによって熱湯などの内容物がこぼれないことがJAS規格(日本農林規格等に関する法律)(※)で定められ、何より汚れや凹みがあれば製品として成立しません。そのため外観検査が非常に重要となりますが、これまでカップ麺の容器は円筒状で反射しやすいため目視検査せざるを得ない状況でした。
※参照元:農林水産省資料PDF「日本農林規格の改正について」(https://www.maff.go.jp/j/jas/kaigi/pdf/140221_sokai_d.pdf)
歯車(ギア)やシャフトはモーターやエンジンの回転運動を伝える大事な部品で円柱形をしています。これらの製造過程における成形やプレス時にゴミなどの混入によって凹んだり、汚れが付着することがあります。表面に発生した凹みや打痕は、耐久性・強度を低下させる原因になり、製品として納入されて時間経過を経た後に致命的な障害が発生することにもなりかねません。
小さな凹みや打痕、異物による汚れなどは角度によって見えたり見えなかったりするため発見が困難で目視検査に頼っていましたが、目視では全数検査が難しく正しい品質が保証できない、検査員によってばらつきがあるという問題もありました。
日用品の容器には法律で定められた情報の記載や商品のイメージを伝えるためにラベルが貼り付けられています。これまでラベルの外観検査の汚れなどは検査員が目視検査で判定していました。
しかし目視検査では人によって判断のばらつきが発生しやすいという問題がありました。また製造ラインの高速化で全てを目視検査するには限界がありました 。
AI外観検査の中から、初めての導入におすすめのAI外観検査開発会社をピックアップ。
AI外観検査は、製品や開発会社によって自動化できる対応領域が異なります。
ここでは、自動化したい範囲に合わせておすすめの開発会社を紹介しています。
品質の一定化やヒューマンエラーに課題を感じる企業におすすめ。定量化しづらく、思わず人の判断に頼ってしまっている検査項目も丁寧に検証し、細かく定量化したうえでAIに判断させることが可能。
自社固有の要件をしっかりと採り入れて検査ラインを構築できます。
単純作業に人的工数がかかっている企業におすすめ。AIベンダーが保有する既存のAIパッケージに対して、自社の要件に合わせて判断基準をカスタマイズすることで、これまで統一化されていた判断が可能。
誰でも検査が可能であった項目を自動化することができ、オーダーメイドに比べて比較的短期間で導入できます。
検査そのものの工数から削減し、社員の負担を減らしたい企業におすすめ。画像データを基に、定量化した判定が可能。細かなカスタマイズの対応は難しいものの、比較的低価格で導入することができます。
異常判定が出た部品のみ目視で検査するなど、目視と自動化を使い分けて活用することが可能です。
2023/4/23時点、Google検索にて「AI外観検査」と検索し、表示された企業のうち、初めての企業でも安心のサポートを提供できる企業として以下3つの内容が公式HPに掲載されている企業をピックアップ。
・撮像の
サポートがあるか
・サーバ・カメラ・照明等のハードウェアの提供
・導入後の運用サポートがあるか
ピックアップされた企業を「AI機能付き検査カメラ」「パッケージ型」「オーダーメイド」のシステムを提供する企業に分類し、それぞれの項目から条件に当てはまる企業を厳選しています。
「パッケージ型」のみ条件に当てはまる企業が複数社あるため、その中でも「パッケージ型」の特徴である効率的なAI構築に特化している企業として、「撮像」「判定」「運用」の3つのノウハウを統合したワンストップソリューションを提供する「マクニカ」をピックアップしています。