産業用カメラの解像度は、高ければよいというものではありません。AIがどれだけ小さい欠陥を明確に見分けられるかを決めるだけで、検査性能を実際に左右するのは、解像度が視野、レンズ、計算資源、タクトとどう整合しているかです。解像度を低くしすぎれば微細な欠陥が撮像段階で失われ、どのアルゴリズムでも回復できません。高くしすぎれば1フレームあたりのデータ量が膨らみ、露光時間、伝送帯域、推論遅延を押し下げてラインのタクトが追いつかなくなります。妥当な進め方は、まず最小欠陥サイズから必要画素数を導き、そこから逆算して視野とハードウェア構成を制約することです。
1. 産業用カメラの解像度はAI検査で何を解決するのか
解像度の中核的な役割は、欠陥が画像上で十分な画素数を占めることを保証することです。AI検査モデルは、YOLO系の検出器でもセグメンテーションネットワークでも、欠陥そのものを認識するのではなく、画素レベルのテクスチャ、エッジ、濃淡差を認識します。業界の一般的な経験則では、対象欠陥の短辺が少なくとも3〜5画素を占めることが安定検出の根拠となり、精密部品の検査を要する場合は通常8〜10画素で設計します。つまり最小欠陥が0.05mmなら、1画素あたりの精度は約0.01mmに達する必要があり、それに視野の幅を掛けたものがカメラに必要な水平画素数になります。解像度が不足すると欠陥は1〜2画素にぼやけ、ラベリングの一貫性が損なわれ、学習時に良品と不良品がほとんど区別できなくなり、結果として流出率が高いまま推移します。
2. 解像度、精度、タクト、計算資源の技術的な関係は何か
計算可能なハードな制約がいくつかあります。画素精度は視野の幅を水平解像度で割ったもので、例えば500万画素のカメラ(約2448×2048)で視野50mmなら1画素あたり約0.02mm、1200万画素のカメラ(約4024×3036)なら同じ視野で0.012mmに達します。ただし高解像度には3つのコストが伴います。第1に1フレームあたりのデータ量で、1200万画素のカラー画像は生データで約36MBになり、ギガビットポートでは数十ミリ秒かかるため、10ギガビットポートかCamera Link、CoaXPressといったインターフェースでしか追いつきません。第2に露光と帯域が合わせてフレームレートを制限し、高解像度カメラは通常フルフレームで10〜30fpsを出力するため、高速工程ではROIの部分読み出しや解像度低減が必要です。第3にAI推論時間は画素数とともに増え、同じモデルでも1200万画素入力は500万画素入力より通常2〜3倍長くかかるため、GPUの計算資源もそれに合わせて拡張しなければなりません。またセンサ解像度と出力解像度を区別してください。一部のカメラはピクセルビニングに対応し、2×2ビニングで感度を約4倍に高めつつ解像度を半分にします。低照度のケースでのトレードオフです。レンズの解像力も追随する必要があり、センサの画素が2ミクロン台に達すると、通常の産業用レンズではMTF要件を満たさず、高解像の固定焦点レンズやテレセントリックレンズが必要になります。そうでなければ解像度は名目だけのものになります。
3. どの製造工程が本当に高解像度カメラを必要とするのか
電子機器工場のフレキシブルプリント基板の外観検査を例にします。配線の欠け、異物、マイクロクラックといった欠陥があり、最小の特徴は0.03mm、視野は約40mmです。1画素0.01mmで設計すると水平4000画素以上が必要になり、1200万画素カメラの典型的な領域で、歪みを抑えるためにテレセントリックレンズを組み合わせます。自動車部品サプライヤーの精密歯車の表面検査では、歯面の傷は幅約0.1mmですが視野は直径80mmを覆う必要があります。画素精度は0.03mmまで緩められ500万画素カメラで足りるため、無理に高解像度にするとタクトを遅くするだけです。3つ目は印刷包装の文字とバーコード検査で、欠陥のスケールが大きくコントラストも高いため、グローバルシャッタ付きの200万〜300万画素で十分で、重点は光源の安定性とトリガの同期です。明らかに、解像度の選定は最小欠陥サイズと視野で決まり、業界や製品の価格帯で決まるものではありません。
4. 選定と配備で現れる落とし穴は何か
よくある誤りの1つは、画素数だけを見てセンササイズと画素ピッチを確認しないことです。1.4ミクロン画素の小型高画素カメラは低照度でのSN比が悪く、画像ノイズが直接過検出率を押し上げます。2つ目はシャッタ方式の無視です。動くワークにはグローバルシャッタが必要で、ローリングシャッタはローリング歪みとエッジの歪みを生み、AIがそれを欠陥と誤読します。3つ目は視野をきつく詰めすぎることです。実際のラインには位置決め誤差とワークの揺れがあるため、通常は10〜20パーセントの余裕を確保しなければ、エッジの欠陥が切れてしまいます。連携面では、主流の産業用カメラはGigE VisionとUSB3 Visionに対応し、イーサネットやUSBで産業用PCへ直接接続し、AI検査ソフトウェアは通常SDKまたはGenICam標準インターフェース経由でストリームを受け取り、MESやSCADAとのデータ交換はOPC-UAやデータベース書き込みで行うため、カメラ側に専用プロトコルは不要です。ハードウェア面では、1200万画素以上は10ギガビットのネットワークカードまたは専用フレームグラバ、産業用PCのメモリ16GB以上、そして実測の推論性能で選ぶGPUが目安です。導入の手順は通常、まず撮像検証(照明、レンズ、視野、実測の画素精度)、次に画像収集、ラベリング、モデル学習、続いて小ロット試行で流出と過検出を数え、最後にパラメータを凍結して稼働です。コストは主にカメラ、レンズ、光源、フレームグラバ、産業用PC、計算カードで、そのうちレンズと光源は過小評価されがちですが相当な割合を占めます。
5. どの工程が高解像度ソリューションに向き、いつ不要か
向くのは、欠陥の特徴が微細で流出コストが高いケースです。半導体パッケージ、精密金物、フレキシブルプリント基板、液晶パネルの点欠陥検査などが該当します。タクトが妥当に安定し、数十ミリ秒の露光と伝送を許容できるワークであること、照明と治具が安定した制御可能な撮像環境であることも条件です。向かない、あるいは再評価が必要なのは、1個あたりの検査窓が数ミリ秒しかないほど高速な工程です。高解像度カメラのフルフレームレートと伝送がボトルネックになるため、複数カメラによる分割撮像や、ROIを用いた低解像度運用を検討すべきです。鋳物の生肌や反射する金属面のような高反射・高歪み部品も同様で、解像度を積み上げても画像は不安定なままで、先に照明と撮像コンセプトを解決しなければなりません。また包装の破損や組立の部品欠落のように欠陥のスケールが大きい工程では、高解像度は計算資源の浪費で、照明を整えた中低解像度カメラの方が費用対効果が高くなります。判断基準は一言に尽きます。最小欠陥が画像上で何画素を占められるかを先に測り、それからカメラを選ぶのであり、その逆ではありません。