ナレッジセンター
目次

AI外観検査におけるマルチスペクトルイメージング

AI外観検査におけるマルチスペクトルイメージングの中核的な価値は、人の目や一般的な産業用カメラでは見えない波長帯の情報を、計算可能な欠陥特徴へ変え、濃淡や色のコントラストでは判定できなかった検査項目を分離可能にすることである。単に別のカメラへ置き換えるのではなく、スペクトルの次元とアルゴリズムの次元を同時に拡張することであり、可視光に加えて近赤外や短波赤外のチャネルを追加し、多チャネル画像の融合と分類モデルを組み合わせて、同色異材、透明・反射表面、内部構造という三つの従来の難題を解決する。

1. マルチスペクトル撮像は実際に何を解決するのか

一般的な産業用カメラはRGBの三つのチャネルでサンプリングし、本質的には可視光の広帯域積分である。欠陥と背景の色が近い場合、あるいは欠陥が表層の下にある場合、濃淡や色のコントラストは極端に低くなり、アルゴリズムをどれだけ強化しても入力情報が不足する。マルチスペクトル撮像はスペクトルをいくつかのより狭いチャネルに分割し、異なる材料、コーティング、膜厚の反射率曲線がこれらのチャネルで明確に異なるため、欠陥は見えない状態から計算可能な状態へ変わる。主に三種類の問題を解決する。同色異材の欠陥、塗膜・フィルム・油などの表面被覆下の欠陥、高反射や透明材料の安定した撮像である。

2. 技術原理と主要な能力は何か

ハードウェアは通常、マルチスペクトル光源、フィルタホイールまたはスナップショット式マルチスペクトルカメラ、同期制御ユニットで構成される。スナップショット方式は1回の露光で複数の波長帯を取得でき、タクト要求のあるラインに適する。フィルタホイール方式は波長帯の構成を柔軟にできるがフレームレートに制約があり、オフラインや低速のステーションに適する。検討すべき主要なパラメータは、スペクトルチャネル数と中心波長(一般には可視光に750から1000ナノメートルの近赤外域を加える)、チャネルごとの空間解像度、スペクトル分解能、全体の検査タクトである。アルゴリズム側では、多チャネル画像を単純に積み上げるのではなく、まずチャネル間のレジストレーションと反射率の正規化を行い、次に多チャネル特徴融合ネットワークで欠陥のクラスと位置を出力する。工学的な実務では光源の安定性にも注意が必要で、波長帯が狭いほど光源の変動が判定へ与える影響は大きく、通常は強度の閉ループ監視が求められる。

3. 製造業における典型的な適用シーン

例えば電子工場がFPCフレキシブル基板の外観を検査する場合、回路の位置ずれやカバーフィルム下の気泡はRGB画像ではほとんどコントラストがない。近赤外のチャネルはカバーフィルムを透過して銅回路の輪郭を浮かび上がらせ、多チャネル融合によって位置ずれを画素レベルまで計算できる。例えば自動車部品メーカーがアルミ合金ダイカストの表面を検査する場合、離型剤の残留と酸化斑は色が似ているが、マルチスペクトルの反射率曲線は特定の波長帯で明確に異なるため、二つの欠陥種を分離でき、一律に表面異常と判定せずに済む。もう一つの例は薄膜のコーティング工程で、近赤外の吸収帯を用いてコーティング膜厚の均一性をオンラインで評価する。可視光の濃淡だけより、実際の塗布量に近い指標になる。これらのシーンに共通するのは、欠陥の情報が色ではなくスペクトルにあることだ。

4. 選定と導入で注意すべき点

第一の頻出課題はハードウェアの構成方法である。まず欠陥の物理的な性質を明確にする。材料の違いなのか、表層下の構造なのか、コーティングの膜厚なのか。そこから必要な波長帯を逆算するのであり、先にカメラを買ってから用途を探してはならない。第二は統合方式で、マルチスペクトルカメラは多チャネルの画像ストリームを出力することが多く、インタフェースの種類とラインのPLCやMESとの通信プロトコルを確認する。取得は一般にGigE VisionやUSB3 Visionを用い、結果はOPC-UAで上位へ渡す。第三は導入の順序で、オフラインでのサンプリングとデータベース構築、波長帯の選定、アルゴリズムの訓練、オンラインでの小ロット検証、タクトの調整という順を勧める。波長帯の選定は最も飛ばされやすい段階でありながら、コストを直接左右する。第四はよくある誤解で、チャネルは多いほど良いと考えることだ。実際にはチャネルが増えるほど校正の難易度と演算の負荷が上がるため、十分であれば足りる。第五は環境要件で、ラインの振動、周囲光の漏れ、レンズの汚れはいずれもスペクトルの一致性を壊すため、遮光と定期的な白色基準の校正が必要になる。こうしたシステムを支えるソリューション提供者はERP時代から数十年にわたり事業を展開し、120万社の顧客にサービスを提供し、国内外の市場で数千万台の端末を導入しており、ラインのデータ連携と現場実装の蓄積を持つが、マルチスペクトルのプロジェクトはやはり工程ごとに個別に評価する必要がある。

5. どの工程が適し、どのシーンが適さないか

入荷の一致性が良く、欠陥と背景にスペクトル差があり、多チャネルの取得と処理を許容するタクトの工程に適する。カバーフィルム下の回路検査、コーティング膜厚のオンライン評価、同色異材部品の仕分けなどだ。鏡面反射が強く表面形状の変化が激しいワーク、高速のフライング撮像で露光時間を極限まで圧縮するステーション、欠陥のメカニズムがまだ解明されておらずオフライン撮像でも安定したスペクトル差が得られないシーンには適さない。そのような場合は、まずハイパースペクトルの装置で実現性のサンプリングを行い、差が存在することを確認してからラインへの導入を論じるべきであり、選定でスペクトルを万能薬として扱ってはならない。

分野: AI画像認識百科