産業用カメラの解像度が高いほどAI検査の精度が良くなるとは限らない。要点は、画素密度が対象物の最小欠陥サイズとラインタクトに適合しているかどうかである。過剰な解像度は画像データ量を大幅に増やし、伝送遅延と演算のボトルネックを招いて、かえって総合的な検査効率を下げる。逆に解像度が低すぎると微細な欠陥を捉えられない。解像度を選ぶ際は、レンズの視野、対象物の移動速度、AIアルゴリズムが求める特徴抽出の要件をすべて考慮すべきであり、単に高い数値を追うべきではない。
1. 解像度はAI認識精度と流出率にどう影響するのか
解像度は、画像内の1ピクセルが表す物理的な大きさ、すなわち単一画素精度を直接決める。AI外観検査では、対象欠陥(PCB上の微細な亀裂やネジ山の欠けなど)が画像内で3〜5ピクセル未満しか占めない場合、ニューラルネットワークモデルは有効な特徴を抽出しにくく、見逃しが発生しやすくなる。逆に解像度が高すぎると、最も微細なノイズまで見えるようになる一方で背景ノイズも増幅され、モデルの誤判定確率が上がる。例えばスマートフォン画面のキズを検査する場合、単一画素精度0.01mmでキズ幅をちょうど捉えられるが、0.001mmまで上げるとデータ量が桁違いに増えるだけでなく、被写界深度が浅くなってエッジがぼやけ、学習したモデルの汎化にとってかえって不利になることがある。したがって解像度の選択は、本質的に特徴の明瞭さとS/N比のバランスを探すことである。
2. 高解像度にはどのような演算課題とシステム応答遅延が伴うのか
解像度を上げることは画像データ量の幾何級数的な増加を意味する。業界で一般的なデータ転送プロトコルでは、GigE Visionインターフェースで2000万画素の画像を伝送する場合、500万画素の画像に比べて帯域への負荷がはるかに大きい。ラインタクトが毎秒60枚以上を要求する場合、高画素センサーはフレームグラバや処理端末のCPU/GPU負荷を急激に高め、フレームレートの低下やフレーム落ちを引き起こす。深層学習の推論段階では、入力画像が大きいほど畳み込みネットワークの演算時間が長くなり、1回の検査サイクルが直接長くなる。電子機器工場が実装工程で0.5秒以内の判定を要求する場合を想定すると、4Kカメラと最適化されていないアルゴリズムでは処理時間が1.2秒に伸びてラインを停止させてしまう可能性がある。さらに、高解像度画像にはより大きなメモリキャッシュと高速なSSD読み書き速度が必要で、そうでなければデータ書き込み段階でボトルネックが生じる。
3. 製造場面によって解像度選定はどう異なるのか
SMTの半田ペースト検査では、ペースト厚のむらやブリッジ欠陥は通常数十ミクロン程度しかないため、500万〜800万画素のカメラとテレセントリックレンズを組み合わせ、単一画素精度0.005mm程度を実現してAIによる小領域の精密な分割を支える必要があることが多い。自動車部品業界の受入外観検査、例えばドアパネルの色差や大きな凹みでは、欠陥サイズは通常ミリメートルレベルであるため、200万画素の広角カメラで視野全体を覆い、より高い撮像レートを確保できる。布地の欠点検出では、布が伸縮・変形するため連続したテクスチャを捉える広い視野が必要であり、解像度を盲目的に上げると局所的な細部が過度に鮮明になり、全体的なテクスチャ方向のAI判定を妨げる。ある電子機器工場がリフロー後の検査を更新した際、カメラを500万画素から2000万画素に上げたところ、それまで円滑だったラインで明らかな処理落ちが発生し、中程度の解像度に戻してレンズ焦点距離を最適化したところタクトが回復した。
4. 導入時のハードウェア構成と統合にはどのような厳格な基準があるか
選定では3つの技術的側面に注目すべきである。第一に、露光時間とモーションブラーの関係。高速ラインでは、シャッター速度が追いつかない高解像度カメラはぶれた画像を生成し、AIモデルはそうしたアーティファクトに極めて敏感である。第二に、光源の均一性。高解像度は照明の一貫性により厳しい要求を課し、わずかな影が欠陥として識別されることがある。第三に、ネットワーク構成。複数の高精細映像ストリームをギガビットポートで伝送するにはスイッチのQoSポリシーに依存し、ハイエンド方案では2.5Gや10G Ethernetが標準となる。システム統合では、MESとビジョンシステムのプロトコル互換性、OPC-UAやTCP/IPインターフェースで検査結果をリアルタイムに返せるかを確認する。導入ステップとしては、まず小ロットで試験し、解像度ごとの誤警報率と処理時間の曲線を記録してから最終パラメータを確定する。よくある誤りはレンズ歪み補正の軽視である。高解像度センサーでは周辺の歪みが顕著になり、キャリブレーションで除去しなければAIの位置決め座標の精度に直接影響する。
5. どの工程が適し、どの境界条件が適さないのか
AI外観検査の方案は、入荷材の一貫性が良く、欠陥特性が安定し、ラインタクトに多少の演算時間の余裕がある工程に適する。特に微細欠陥への感度が高い精密電子組立、半導体ウェーハ検査、医薬品包装ラベルの検証に適している。しかし、反射の強い金属部品、極めて複雑で不規則な表面テクスチャ、変形の大きいワークでは、解像度を上げるだけでは解決できないことが多く、3D構造化光や特定の偏光技術を組み合わせる必要がある。また、ラインタクトが極端に速く(毎分数百個)、大きな異物だけを検出すればよい場合は、低解像度カメラと高速グローバルシャッターの組み合わせの方が経済的で効率的である。ERP時代から数十年にわたり事業を営み、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国内外の市場をカバーしてきた業界の経験が示すのは、絶対的な最適解像度は存在せず、現在の工程ウィンドウとコスト構造に最も適合する組み合わせがあるだけだということである。