この数年、製造業のAI外観検査への受容性は非常に高まったが、欠陥種別ごとに1つのモデルを学習する従来の深層学習の実務は、段取り替えが頻繁で欠陥サンプルが乏しく新しい欠陥が次々に現れる場面で、ますます苦しくなっている。ビジョン基盤モデルはまさにこの痛点に当てはまるため、2024年以降、産業検査の業界で最も議論される技術方向の一つになった。
1. ビジョン基盤モデルとは
ビジョン基盤モデルとは、膨大な画像データで事前学習され、強い汎化能力を持つ視覚の基盤モデルである。代表例にはTransformerベースのViT系、MetaのSAMセグメンテーションモデル、中国のオープンソースのTongyi視覚システム、一部の産業向け垂直基盤モデルがある。従来のCNN検出モデルとの最大の違いは、従来モデルが特定の欠陥クラスに対して教師ありで学習され、大量のサンプルを必要とし転移が苦手なのに対し、ビジョン基盤モデルはまず大規模事前学習で一般的な視覚表現を獲得し、そのうえで少数ショット微調整やプロンプトエンジニアリングによって特定の検査タスクへ適応する点にある。
産業検査の文脈では、ビジョン基盤モデルは従来アルゴリズムを置き換えるのではなく、少数ショットでの素早いコールドスタートを提供する。新しいラインで十数種類の外観欠陥を検査しなければならないとき、従来の道筋では数万枚の欠陥画像を集めて数週間学習する必要があったが、今は基盤モデルと数十枚の微調整サンプルで数日以内に使える版を作れる。これが製造業における最も直接的な魅力である。
2. 技術原理と主要能力
産業検査におけるビジョン基盤モデルの中核能力は3つの層で捉えられる。
第一の層は汎用的な特徴抽出である。事前学習の過程でモデルは膨大な自然画像と一部の産業画像を見ており、エッジ、テクスチャ、色分布、局所構造といった低次の視覚的規則性を学んでいる。特定の検査タスクでは、傷とは何かをゼロから理解する必要はなく、既存の表現から傷の特徴を照合する。
第二の層は少数ショットおよびゼロショット転移である。SAMなどのセグメンテーションモデルは点、ボックス、テキストのプロンプトで対象領域を切り出すことができ、軽量な微調整で欠陥領域を抽出する。表面欠陥検出や組立完全性の確認といったタスクでは、サンプル要求を千の水準から十の水準へ下げられる。電子機器工場がコネクタのピン検査で新しい欠陥種別に遭遇したと想定する。従来は新たな収集とラベリングが必要だったが、基盤モデルを少数サンプルで適応させれば、通常は数日以内に初期モデルを稼働できる。
第三の層はマルチモーダル融合である。ビジョン基盤モデルはテキストプロンプトと組み合わせられ、ずれ、欠品、プレス痕といった欠陥特徴を自然言語で記述し、モデルはそれに従ってオープンボキャブラリ検出を行う。これは多品種少量のラインで非常に重要で、段取り替えのたびに分類ヘッドを再学習する必要がなく、プロンプトを変えれば検査対象が切り替わる。
客観的に述べておくべきは、ビジョン基盤モデルは産業検査の万能薬ではないということである。微小欠陥に対する画素レベルの精度や、高速ラインでのリアルタイム要求には、従来の画像前処理、軽量蒸留、エッジ配備の最適化が依然として必要である。現在の業界の共通認識は、基盤モデルが土台を提供し、小型モデルがライン上で実務を担うという併用である。
3. 製造業における典型的な適用場面
自動車部品メーカーがエンジンハウジングの外観を検査し、欠陥種別に亀裂、砂穴、打痕、油汚れがあり、以前は欠陥ごとに個別に学習していたため段取り替えの保守コストが高かった場合を想定する。ビジョン基盤モデルを土台にすれば、まず一般的な表面異常検知を行い、その後に高頻度の欠陥へ少数ショット微調整をかけるため、1つの基盤で複数ラインをカバーでき、段取り替えはプロンプトの更新と少数サンプルだけで済む。これは現在最も成熟した場面の一つである。
電子機器製造を考える。工場がPCBの欠陥を検査し、欠陥種別が多くクラスごとのサンプルが少なく、従来のソリューションでは小サンプルクラスの再現率が不安定だった場合を想定する。ビジョン基盤モデルのオープンボキャブラリ検出能力は、部品欠落、誤部品、極性逆挿しをテキストプロンプトで記述でき、少数のラベル付きサンプルで校正するため、新製品立ち上げ時のモデル準備期間が明らかに短くなる。
もう一つの方向は組立完全性の検査である。家電メーカーが最終組立後の異物と欠品を検査し、製品機種が多く切り替えが頻繁な場合を想定する。SAM系のセグメンテーションを備えたビジョン基盤モデルは、まず一般的な領域分割を行い、その領域内の組立状態が適合しているかを判定できるため、機種ごとに個別のモデル化をする依存を減らせる。こうした場面は高い汎化を要求し、まさに基盤モデルの強みである。
4. 選定の要点と導入アドバイス
ビジョン基盤モデルのソリューションを評価するとき、製造業者は4点に注目すべきである。
第一に、基盤が少数ショット微調整に対応しているか。事前学習データのうち産業画像がどの程度か、微調整のインタフェースが公開されているか、サンプル要求がどの水準まで下がるか。いずれも導入コストを直接決める。第二に、オープンボキャブラリまたはテキストプロンプト検出に対応しているか。段取り替えの多い多品種ラインでは、再学習ではなくプロンプトの編集で切り替えられるソリューションのほうが長期的な保守コストが低い。第三に、エッジ配備の能力。ラインサイクルは待ってくれないため、基盤モデルを産業用PCやエッジボックスで動く軽量モデルへ蒸留できるか、推論遅延がライン要求を満たすかを実測する必要がある。第四に、既存のビジョンシステムとの互換性。多くの工場はすでに従来のビジョンアルゴリズムを運用しており、基盤モデルのソリューションを全面的な置き換えではなく補完的な層として追加できるかが、導入リスクを左右する。
導入のペースとしては、まず欠陥種別が多くサンプルが少ないステーションで試験し、少数ショット微調整のワークフローを回してから横展開する。全ラインに一斉展開してはいけない。基盤モデルの汎化は特定ラインのデータで校正する必要があり、試験中のデータフィードバックはモデル自体よりも重要である。
5. 動向
第一の方向は産業向け垂直基盤モデルの登場加速である。汎用のビジョン基盤モデルは微細な産業欠陥に対してまだ改善の余地があり、表面欠陥や組立検査に特化してドメイン事前学習した基盤が増え、サンプル効率と精度の両方が上がるだろう。
第二の方向は基盤モデルと小型モデルの役割分担の定着である。基盤モデルがコールドスタートと汎化の受け皿を担い、小型モデルが高速ライン上のリアルタイム推論を担う。この組み合わせが産業検査の標準的な構成になる。15以上の業界にまたがる120社超の顧客がすでに同様の階層化配備の考え方を進めており、3200社以上のエンドユーザがさまざまな形のビジョン検査ソリューションを運用しているため、この趨勢はかなり明確である。
第三の方向はマルチモーダル検査の融合である。ビジョン基盤モデルをテキストや時系列信号と組み合わせることで、より多くの複合的な欠陥判定の場面をカバーできる。たとえば設備の稼働パラメータを使って外観異常の原因を説明する助けにする。この道筋はまだ初期段階だが、複雑な組立検査や予兆的な品質管理に対して実用的な価値がある。
産業検査におけるビジョン基盤モデルの約束は、パラメータ数が多いことではなく、欠陥検出のサンプルしきい値と段取り替えコストを下げることにある。多品種少量で欠陥サンプルが乏しい製造場面にとって、これは真剣に評価する価値のある技術の道筋である。