マシンビジョンシステムでは、カメラ、レンズ、アルゴリズムについては長く議論される一方、照明は副次的な"明るくする"工程として扱われがちである。実際には、光源設計は画像のSN比の上限を直接決め、露出過多や低コントラストの元画像をアルゴリズムで救うことはできない。電子部品、自動車部品、リチウム電池などの実際の生産ラインでは、照明方案の選択ミスに起因する見逃しや誤判定が少なからぬ割合を占めている。
1. 中核となる概念と技術的な定義
光源設計とは、検査対象の材質、色、形状、不良の特徴に応じて、適切な光源の種類、波長、照射角度、照明方式を選び、対象の特徴が画像上で最大の濃淡差を示すようにするための、体系的なエンジニアリング手法である。これには検証可能な物理要素が含まれる。光源の形態(リングライト、バーライト、同軸照明、ドーム照明、バックライト、点光源)、発光素子(主にLED、一部の場面ではハロゲンやレーザー)、波長(可視、近赤外、紫外)、制御方式(連続、ストロボ、同期トリガ)である。
AI外観検査の文脈では、光源設計の目標は従来のビジョンとはやや異なる。従来のルールベースアルゴリズムはエッジとしきい値に依存するため、照明は安定したコントラストを追求する。深層学習モデルはテクスチャと微小な差異に敏感であるため、照明は不良の視認性と背景の一貫性を両立させ、学習データと生産ラインの画像の間に分布のずれを生じさせないようにしなければならない。
2. 技術原理と主要な能力
光と物質の相互作用が撮像結果を決める。鏡面反射する金属表面には同軸照明やドーム照明が適し、眩光を抑えられる。拡散反射する樹脂部品は低角度のバーライトで傷を浮き上がらせられる。透明フィルムやガラスの不良検査では、バックライトで暗視野や明視野のコントラストを作ることが多い。波長の選択も重要である。青色光は波長が短く高解像度に適し、赤色光は透過性が高く油汚れの透過に適し、紫外は蛍光を励起して接着剤やコーティングの検査に使え、近赤外は表面を通して内部構造を見る用途によく使われる。
ストロボとカメラの同期は、高速ラインの場面における重要な能力である。ストロボは極めて短い時間に高い輝度を得られ、モーションブラーを止めながらLEDの発熱劣化を抑えられる。光源コントローラのタイミング精度とトリガ遅延は、画像の一貫性に直接影響する。もう一つ見落とされやすい能力が、光の均一性と角度調整の自由度である。同一ロットのワークでもステーションが異なれば反射の様子が変わるため、角度調整可能なマウントとゾーン別照明で補正する必要がしばしば生じる。
3. 製造業における典型的な適用場面
電子部品工場でコネクタのピンを検査する場合を想定する。ピンは小さく高密度で、金めっきにより反射が強い。真上からのリング照明では白飛びが生じるが、低角度バーライトと同軸照明の併用に変えると、ピンの輪郭や欠落、曲がりの特徴が明瞭になる。さらに自動車部品企業がアルミニウム合金ダイカストの表面巣穴やひび割れを検査する場合、鋳物表面は粗く離型剤の残留もある。均一な拡散照明を得るドーム照明で気孔と下地テクスチャを分離し、近赤外波長で油汚れの影響を軽減できる。
リチウム電池産業の電極塗工検査も典型的な事例である。電極表面は黒度が不均一で、塗工端部にバリがある。ラインスキャンカメラとバックライトで幅と端部の不良を測定でき、表面側では高周波ストロボのバーライトとラインスキャンで塗工の傷や黒点を捉えられる。こうした場面は光の輝度安定性と放熱への要求が高く、連続生産中に光の減衰を適切に管理しないと、モデルの誤判定率がシフトごとに変動する。
4. 選定の優先順位と導入の指針
まず不良の特徴を定義し、その後に光源を選ぶ。逆にしてはならない。サンプルを暗室に持ち込み、多角度の照明を試し、実際のカメラ撮影でコントラストを評価する。仕様表を読むより信頼できる。波長の選択では、対象の吸収スペクトルとカメラの量子効率の整合を優先すべきである。モノクロカメラと単色光の組み合わせは、カラーカメラと白色光の組み合わせより安定することが多い。高速ラインではストロボ同期方式を評価し、トリガ遅延と輝度の立ち上がり時間に余裕を見ておく。
導入時には光源のエージングと熱ドリフトの試験を行い、連続点灯を数時間続けた後に画像の濃淡平均を再測定する。光源マウントの剛性と再現性のある固定構造は見落とされやすく、ライン振動による角度のずれは隠れた故障要因になる。さらに照明方案はAIモデルの学習データ収集仕様に組み込まなければならない。異なる照明条件下のサンプルを網羅し、モデルが照明のアーティファクトを学習してしまうのを防ぐ。ERP時代から数十年にわたり蓄積された製造ITの経験、すなわち120万社の顧客へのサービスと累計数千万台の端末導入も、ビジョンステーションの安定性がこうした下層のエンジニアリング細部をどれだけ標準化できるかにかかっていることを示している。
5. 動向とまとめ
第一の方向はプログラマブル光源であり、ゾーンごとに輝度とタイミングを独立制御し、AIと連携した適応照明としてワークのロットに応じて照明モードを自動で切り替える。第二は照明とアルゴリズムの協調最適化で、光のパラメータをモデル入力の一部として扱い、光量がわずかに減衰しても検査システムが堅牢性を保てるようにする。第三は短波長・マルチスペクトル照明の透明部品や反射部品の検査への普及であり、紫外・近赤外デバイスの低価格化がこれを加速する。
光源設計は脇役ではない。AI外観検査の撮像チェーンにおける最初の関門である。正しい光を選べばアルゴリズムに力を発揮する余地が生まれ、誤った光を選べばどんなに高価なカメラでも美しいだけの無用な画像しか撮れない。