ナレッジセンター
目次

産業用カメラの解像度は高ければ良いとは限らないが、低すぎればAI検査は失敗する

この2年間、AI品質検査を語る製造業者は増えているが、多くのライン責任者が陥った罠はこうである。アルゴリズムチームが何か月もモデルを調整しても精度が上がらず、調査すると根本原因はカメラの解像度だった。画像の情報量が不足していれば、どんなに強力な深層学習ネットワークでも細部を作り出すことはできない。

1. 解像度とは実際に何を意味するのか

平たくいえば、産業用カメラの解像度とはセンサー上の受光画素数であり、通常は何百万画素か、水平×垂直の画素数で表す。たとえば500万画素は通常2592×1944、1,200万画素は4024×3036に対応する。

しかし検査能力を本当に決めるのは総画素数ではなく、対象が画像の中で何画素を占めるかである。ここからさらに実用的な二つの概念が導かれる。検査精度と視野である。視野はカメラが一度に捉えられる範囲の広さであり、精度は1画素が何ミリを表すかである。関係は単純で、精度はおおよそ視野を水平画素数で割った値になる。より細かいものを見るには、画素数を上げるか視野を狭めるかしかない。第三の道はない。

2. 解像度がAI検査に与える影響

AI検査モデルは、本質的に画像の中の特徴、つまり傷のエッジ、はんだ接合部の階調の跳び、文字のストローク構造を探している。解像度が不足すると、これらの特徴は撮像の段階ですでに平坦化され、モデルにはぼやけた像しか見えず、訓練の損失をどれだけ下げても何も学べない。

影響は三つの水準で現れる。

第一に、不良の検出率である。電子工場がコネクタのピンを検査し、不良の幅が0.05ミリだとする。システムの精度が1画素0.1ミリしかないと、不良は1画素分にも満たず、撮像後にはほとんど消えてしまう。解像度を上げて1画素0.02ミリにすれば、不良が2~3画素を占め、モデルに安定した認識の根拠が与えられる。

第二に、誤判定率である。解像度が低いと、正常なテクスチャの微妙なゆらぎと実際の不良が画像上で似てしまい、モデルは推測するしかなくなり、過剰検出率が上がる。これも多くのラインが「AIは敏感すぎる」と訴える共通の理由であり、問題はアルゴリズムではなく撮像にある。

第三に、検査のタクトである。高解像度はデータ量が大きく、伝送も推論も遅くなる。2,000万画素のカメラを毎秒30フレームで動かすには、500万画素のものよりはるかに多くの計算能力と帯域が必要になる。したがって解像度は高いほど良いのではなく、ちょうど十分な点に置くべきである。

3. いくつかの業界における実際の取捨選択

電子工場がFPCフレキシブル基板の外観を検査する。配線幅は通常数十マイクロメートルである。こうした場面は通常、1,000万画素クラスのカメラとテレセントリックレンズで精度をマイクロメートル水準まで引き上げる必要があり、そうでなければ断線やバリはそもそも撮像できない。ただし視野は数センチしか覆えないことが多く、複数ステーションまたは移動走査によるスティッチングが必要になる。

自動車部品会社がアルミニウム合金ダイカストの巣穴を検出するとする。穴径はほとんどが0.3ミリ以上である。ここでは500万画素のカメラと通常の産業用レンズで十分であり、視野は数十センチにでき、単一ステーションで一度に撮像できる。無理に2,000万画素にするとタクトが遅くなりコストも増える。

繊維やフィルムでは、連続するロール材料の欠点を検査する。こうしたラインは高速で、通常はラインスキャンカメラを使い、解像度は1ライン当たりの画素数で表す。ライン速度と解像度を一致させる必要があり、選定の論理はエリアセンサーカメラとはまったく異なる。

4. 選定における実務的なポイント

まず精度を計算し、それからカメラを選ぶ。最小の不良サイズを3~5で割って必要な画素精度を求め、それに視野を掛けておおよその必要画素数を出す。この余裕は、AIモデルが安定して認識するには通常、不良が数画素を占める必要があるために設ける。

レンズはカメラ以上に見落とされやすい。高解像度のカメラに低解像度のレンズを組み合わせるのは金の無駄である。レンズのMTF曲線、歪み、被写界深度はカメラに適合しなければならず、精密測定ではテレセントリックレンズがほぼ必須である。

照明は解像度を活かせるかどうかを決める。同じ傷でも、光の角度がわずかに違うだけでコントラストが数倍変わる。解像度がどれほど高くても、不良と背景の階調が近ければモデルは分離できない。撮像計画ではカメラ、レンズ、照明をまとめて確定しなければならない。

計算能力が追随しなければならない。解像度が倍になればデータ量も倍になり、推論時間も増える。ラインのタクトが厳しい場合は、より高性能なエッジコンピューティング機器を使うか、アルゴリズムにプルーニングと量子化を適用する。

5. 動向と判断

第一に、「十分なら足りる」という考え方が、スペックの積み上げを徐々に置き換えていく。AIモデルの小物体検出能力が向上し、適切な光学設計と組み合わされば、中高解像度のカメラでほとんどの場面に対応でき、闇雲に高画素化してもコストが上がるだけである。

第二に、多カメラと3Dの融合が増える。単一の解像度ですべてを解決することはできず、2Dは表面を、3Dは高さを見る。複雑な不良検出の方向はマルチセンサーの協調である。

第三に、解像度とアルゴリズムが同時に設計されるようになる。ますます多くのソリューションが、モデルの要件を選定段階に持ち込み、どの撮像パラメータが必要かを逆算するようになり、カメラを先に買って後で考えるやり方は減っていく。

結局のところ、産業用カメラの解像度はAI検査の土台である。土台をどれだけ深くするかは、建物をどれだけ高くするかで決まる。最小の不良サイズ、視野、タクトという三つの数字を明確にすれば、解像度の選択が大きく外れることはない。

分野: AI画像認識百科