産業用カメラの解像度は、高ければよいというものではない。AI外観検査がどれだけ小さい欠陥を見えるかを決める一方で、演算コストとタクトへの圧力を直接高める。選定の中核は、最小の欠陥が画像上で十分な画素数を占めるようにすることで、欠陥の短辺が3〜5画素を下回らないことを目安に、そこからカメラ解像度とレンズの視野を逆算するのが一般的な推奨である。
1. 産業用カメラの解像度がAI外観検査で実際に解決すること
解像度は本質的に空間的なサンプリング密度である。同じ視野であれば、画素数が多いほど1画素が表す物理寸法は小さくなり、AIモデルはより細かなテクスチャとエッジ情報を受け取る。これは欠陥がそもそも見えるかという問題を解決するものであり、正確に判定できるかという問題のすべてではない。幅0.05ミリのキズを例にすると、撮像後に1画素しか占めないなら、どんなアルゴリズムでもノイズと確実に区別できない。4画素以上を占めれば、分類と位置特定に物理的な根拠が生まれる。
2. 解像度とAI外観検査精度の技術的な関係は何か
業界でよく使われる見積もりでは、検査精度はおおよそ視野を画素数で割り、サブピクセル係数を掛けたものになる。視野が100ミリ、カメラが500万画素で約2456×2058なら、1画素は約0.04ミリとなり、3画素を占める欠陥、つまり約0.12ミリは安定して撮像できる。見落とされやすい点が1つある。レンズの分解能、光源の均一性、被検物のモーションブラーが、まず解像度の余裕を食いつぶす。1個あたり0.3秒のラインタクトでは露光時間が圧縮され、モーションブラーによって実効解像度が3割落ちることがある。さらに解像度が上がればデータ帯域と推論演算も比例して増える。ギガビットポートで大判センサの高フレームレート画像を伝送すると簡単にフレーム落ちするため、10ギガビットイーサネットやCoaXPressへ移行する現場も多く、GPU側の1フレーム推論時間も数ミリ秒から数十ミリ秒へ伸びる。モデル側では、解像度が過剰だと欠陥が画像全体に占める割合が小さくなりすぎ、タイル分割推論が必要になってエンジニアリングの複雑さが増す。
3. 製造業でどの工程が解像度に最も敏感か
電子工場がコネクタ端子の外観を検査し、欠陥が0.03ミリのバリやめっきピンホールで、視野が10ミリ程度しかないとする。高倍率レンズと高解像度カメラは必須で、そうでなければバリは画像上で灰色のしみにしかならない。自動車部品企業がギア表面の打痕を検査し、視野が歯面全体で80ミリ程度、打痕は通常0.2ミリ以上だとする。中解像度のカメラとリング照明で足り、やみくもに高解像度にするとタクトが遅くなるだけである。リチウム電池の電極塗工欠陥検査では、ウェブが幅広で欠陥が細長いため、通常はラインセンサカメラを選び、ライン速度と画素数を組み合わせて検討する。解像度の選定は単一フレームの画素数だけでなく、ライン速度と併せて計算しなければならない。
4. 選定と導入では何に注目すべきか
よくある誤解は、解像度を唯一の指標にすることである。実際には、まず最小欠陥サイズと視野を定義し、そこから必要画素数を逆算し、そのうえでレンズのMTFが整合するか、光源が欠陥のコントラストを作れるかを確認する。統合面では、カメラのインターフェースが既存のビジョンプラットフォームのプロトコル、たとえばGigE VisionやUSB3 Visionに対応しているか、画像がSDK経由でAI推論の連鎖に入るのか、結果をOPC-UAで送るのかを確認する。ハードウェア構成では、高解像度と高フレームレートを組み合わせると、産業用PCのPCIe帯域、GPUメモリ、放熱を再評価する必要がある。通常の導入ステップは、照明と撮像の検証、解像度とタクトの併せ込み、モデル訓練のためのサンプル収集、小ロット試運転であり、サイクルは欠陥種類の数に依存し、通常は日単位ではなく週単位で測る。コスト構成はカメラだけではなく、レンズ、光源、フレームグラバ、演算プラットフォームを合わせるとカメラ本体を超えることが多い。
5. どのシナリオが高解像度に適し、どこは不要か
高解像度が適するのは、欠陥が微小で視野が制約され、見逃しの許容度が低い工程であり、精密金物、半導体パッケージの外観、コネクタ端子などが該当する。適さないのは、視野が広く欠陥が粗くタクトが非常に速いシナリオで、大型部品表面の粗い等級分けや物流仕分けなどが該当し、適切な光源を備えた中解像度のほうが安定する。反射が強く、変形が大きく、入荷品質がばらつくワークでは、解像度を積んでも判定が改善しないことがあり、まず撮像の安定性を解決する必要がある。ERP時代から数十年の産業実践、120万社の顧客、数千万台の端末導入が示すのは、解像度の選定は常に撮像、アルゴリズム、タクトの間のバランスであり、単一パラメータの競争ではないということである。