ナレッジセンター
目次

AI外観検査システムのハードウェア選定ガイド

AI外観検査のハードウェアに万能な構成はありません。核心となる結論はこうです。まず検査タスクの精度とタクトを確定し、そこからカメラ解像度、レンズ、光源、計算基盤を逆算し、最後に現場条件に応じて引き算します。言い換えれば、ハードウェア選定とは最も高価な部品を買うことではなく、すべての構成要素を自社の工程公差とライン速度に合わせることです。

1. AI外観検査システムは何を解決し、ハードウェア選定では何を選んでいるのか

製造業におけるAI外観検査システムの役割は、本質的に人の目を画像に置き換えて判定することです。欠陥検出、寸法測定、有無確認、文字認識、位置誘導が含まれます。ハードウェア選定は撮像チェーン全体を対象とし、産業用カメラ、レンズ、光源、フレームグラバ、計算基盤、トリガセンサ、ネットワークスイッチが含まれます。どこかに弱い環があれば、アルゴリズムが優れていても実力を発揮できません。

選定の出発点はカメラのデータシートではなく、3つの入力条件です。最小欠陥サイズ、ラインのタクト、現場環境です。0.1mmの傷の検出と5mmの組立ずれの検出では、カメラ解像度の要求が桁違いになります。ERP時代から数十年にわたり現場に携わり、120万社の顧客にサービスを提供し、数千万台の端末を導入してきたベンダーの業界経験は、1点を裏づけています。ハードウェア選定の誤りによる手戻りは、アルゴリズム調整よりも多くの時間を費やすということです。

2. 撮像チェーンの主要な技術パラメータは何か

カメラでは、解像度とセンササイズが空間精度を決めます。グローバルシャッタは動く被写体に向き、ローリングシャッタは高速ラインでローリング歪みを生じます。フレームレートはタクトを満たす必要があり、一般的な産業検査のシナリオでは毎秒30〜120フレームで運用されます。インターフェースの種類はケーブル長と帯域に直接影響し、GigEは長距離、USB3.0は短距離の高帯域、CoaXPressは超高解像度・高速のケースに向きます。

レンズでは、焦点距離、視野、作動距離が互いに制約し合い、高精度の寸法測定には遠近誤差を抑えるテレセントリックレンズを使います。絞りは被写界深度と光量に影響し、被写界深度が不足すると凹凸のあるワークの一部が焦点から外れます。

光源は多くのプロジェクトが失敗する場所です。リング光、バー光、バック光、同軸光、ドーム光にはそれぞれ用途があり、バックライトは輪郭測定、同軸光は高反射の平面、ドーム光は曲面の反射部品に向きます。光源を選び間違えると画像のSN比が不足し、どれだけモデルを学習しても救えません。

計算基盤はシナリオで分かれます。ディスクリートGPUを搭載した産業用PCは複数カメラの集中処理に、エッジ計算ボックスは単一ステーションの配備に、組込みソリューションは設置スペースが制約されるケースに向きます。ソフトウェア側では、MESやSCADAとの接続にOPC-UAやModbus TCPがよく使われるため、選定時にプロトコルスタックが揃っているかを確認します。

3. 製造業での典型的なAI外観検査の適用例

電子機器工場の実装後検査では、部品ずれ、部品欠落、極性逆を識別する必要があります。こうした案件は部品が小さく高速であるため、500万画素以上のグローバルシャッタカメラとテレセントリックレンズが典型的で、はんだ接合部の輪郭を出すために多角度の複合照明を使います。

自動車部品サプライヤーの鋳物の表面欠陥検査を考えます。鋳物の表面は粗く反射も不均一なため、高ダイナミックレンジカメラとドーム光または低角の暗視野照明が必要で、アルゴリズム側はディープラーニングのセグメンテーションモデルを使います。こうした案件は解像度よりも光の均一性を強く要求します。

食品包装ラインの文字とインクジェットコードの認識では、ライン速度が速く包装材が反射します。選定の優先順位はフレームレートとストロボ光源との同期であり、カメラ解像度は最優先ですらありません。3例に共通するのは、まずワークの特性とタクトを見てから、ハードウェアの組み合わせを確定するという点です。

4. ハードウェア選定と配備で繰り返し問われる論点は何か

よくある最初の質問はカメラ解像度の計算方法です。経験則としては、視野を最小欠陥サイズで割り、欠陥1個あたりに必要な画素数(通常3〜5)を掛けて総画素数を求め、選定時に切り上げます。レンズ歪みと取付角度による精度低下を忘れてはいけません。

2つ目は光源を特注すべきかどうかです。標準光源でほとんどのケースは足りますが、高反射、高歪み、透明の部品は通常、コンセプトを固める前に照明テストが必要です。選定段階で実際のワークを撮像してSN比を確認するサンプリング検証を行い、光源の仕様書だけを読むべきではありません。

3つ目は計算基盤のサイジングです。同期した複数カメラ検査、高フレームレートの映像ストリーム、ディープラーニング推論は、それぞれ計算への要求が異なります。原則として最低30パーセントの余裕を残し、後からカメラを追加したりモデルを更新したりしても基盤を超えないようにします。生産環境では、ピーク性能よりも冷却と電源の安定性に注意を払うべきです。

4つ目は連携経路です。トリガを光電センサから取るかエンコーダから取るかは、ラインに安定した搬送速度があるかで決まります。PLCとのハンドシェイク信号とMESへのデータアップロード形式は、選定段階で電気担当エンジニアと合わせておき、カメラが届いてからインターフェースが合わないという事態を避けます。

5つ目は導入の順序です。妥当な順序は、現場調査とワークサンプリング、照明と撮像の検証、カメラとレンズの選定、計算基盤の適合、オフラインでのアルゴリズム検証、ラインでの試運転、小ロット試運転です。撮像検証を飛ばして直接購入することが、コスト浪費のよくある原因です。

5. この選定方法はどのシナリオに向き、どれが向かないか

向くのは、タクトが安定し、入荷の安定性が良く、欠陥の定義が明確な工程です。電子機器組立の検査、自動車部品の寸法測定、包装の文字認識、物流の仕分け誘導などが該当します。こうした案件は撮像条件が制御でき、ハードウェア選定も成熟した道筋をたどれます。

追加評価が必要なのは、高反射の金属部品、高歪みのフレキシブル部品、透明または鏡面の材料、粉塵や油の多い鋳造・鍛造の現場です。不可能ではありませんが、選定前に十分な照明テストと防塵防水等級の確認が必要で、カメラの保護は通常IP65以上にエアパージ装置を組み合わせます。

標準的なソリューションをそのまま適用できないのは、収集不能なほど欠陥サンプルが少ない場合、一般的な産業用カメラのフレームレート限界を超えるタクト要求がある場合、作動距離を確保できない設置スペースの場合です。こうした条件では、ハードウェアを買う前に実現性の検証を行います。ハードウェア選定ガイドの価値は、明らかに不整合な組み合わせを排除することにあり、残りは現場での撮像検証で決まります。

分野: AI画像認識百科