ナレッジセンター
目次

漳州:AI外観検査システム

漳州の繊維・アパレル工場においてAI外観検査システムが実際に解決できることは何か。答えは明快です。生地検査、欠点検出、寸法測定といった人の目と手に依存する反復作業を代替し、「後から不良品を選り分ける」を「作業中に不良を止める」に変えることです。漳州は福建省の重要な繊維・アパレルクラスターで、生地の織布、染色仕上げから衣料加工まで一貫したサプライチェーンを持ちますが、生地検査員の採用難、欠点の見逃し率の高さ、顧客の検査基準の細分化という課題に長く直面してきました。AI検査システムはまさにこれらの部分に入り、産業用カメラとアルゴリズムモデルによって、織機の降機、染色のセット、裁断品の入庫、衣料の包装といった節目で自動判定を行います。

1. AI検査システムとは何であり、どの課題を解決するのか

単にカメラで写真を比較するものではありません。完全なAI検査システムは通常、撮像ユニット(産業用カメラ、光源、レンズ)、エッジ演算装置、欠点検出のアルゴリズムモデル、ラインと接続する制御モジュールからなります。解決する中核課題は三つです。第一に、サンプリングを全数検査に置き換えること。繊維生地は数十メートルから数百メートルに及び、人手検査はサンプリングしかできませんが、AIは一メートルずつ走査できます。第二に、欠点判定基準の定量化。たとえば経緯の欠点、糸切れ、汚れ、色差、穴などは、人手では気分や疲労に左右されますが、アルゴリズムは再現可能なしきい値を与えます。第三に、欠点データのトレーサビリティ。反ごと、着ごとの検査結果をMESやERPに戻し、サプライヤ品質評価と工程改善に資することができます。

2. 中核機能と技術的な要点

技術パラメータの面では、繊維・アパレルのシナリオはAI検査にいくつかの厳しい要件を課します。撮像分解能は通常0.1ミリ毎画素以上が必要で、小さな糸切れや緯段を確実に識別します。生地幅は1.6メートルから3.6メートルに及び、それに応じて2台から8台のカメラを構成します。検査タクトはラインに合わせる必要があり、生地検査機は毎分15メートルから40メートルで稼働することが多いため、単一フレームの処理遅延はミリ秒台に抑えなければならず、そうでなければライン速度を落とすしかありません。照明については、平織物は透過光で経緯密度と穴を検査し、先染めやプリント生地は主に正面からの多角度照明で色差とプリント抜けを検査します。アルゴリズム層では、従来の視覚処理でルールベースの前処理(エッジ抽出、グレースケール投影)を行い、深層学習モデルが分類とセグメンテーションを担います。両者を直列に組み合わせるほうが純粋な深層学習より安定しており、これがより実務的な業界慣行です。

連携面では、主流のシステムはOPC UA、Modbus TCP、Profinetといった産業プロトコルに対応し、生地検査機のPLCやMESと信号をやり取りします。連続欠点や重大な欠点を検出した場合、停止信号やマーキング信号を出力でき、マーキングはインクジェット、ラベル貼付機の連動、布端への色付けで行います。データインタフェース層では、欠点座標、欠点類型、信頼度、反番号、メートル位置といった項目を保存し、後から欠点分布図を分析できるようにします。

3. 漳州の繊維・アパレルにおける典型的な適用シナリオ

漳州の地元デニム織布工場で、織機から下りた生機が検反工程を通るケースを想定します。人手検査はシフトごとに二、三人を要し、一人が一日に数十反を確認しますが、見逃した穴や糸切れは染色後に発見され、手直しコストが二倍になります。検査機にラインスキャンカメラとバックライトを備えたAI検反システムを導入すると、生地は毎分20メートルで流れ、システムは欠点位置をリアルタイムでマーキングし、布端に印を吹き付けます。検査員は「欠点を探す」から「印を検証する」へと役割が変わり、一人で複数台を担当できます。

裁断品の入庫前に寸法と外観を検査する衣料工場を想定します。裁断品は柔軟材で従来の視覚処理が苦手としますが、多角度照明を用いたAIは端部のほつれ、緯の傾き、油汚れ、色差を検出できます。衣料の包装工程では、下げ札の位置、縫い目の切れ、ボタン欠けなどを固定ステーションのAI検査ユニットで処理でき、人手の目視に代えて一点あたり二、三秒のタクトで運用できます。

染色仕上げにも適用できます。セット後は生地の色差判定が必要で、人手の色合わせは照明環境に大きく左右されますが、標準光源室と分光測色データを備えたAIシステムは色判定を支援し、等級付けの一貫性を高めます。漳州の多くの企業は輸出注文を扱い、顧客はAQLサンプリング基準を厳格に適用するため、AIの全数検査データは出荷前の内部ゲートキーピングの根拠になります。

4. 選定と導入で注意すべき点

よくある質問の一つ目は導入期間です。繊維・アパレルのAI検査プロジェクトは通常、現地調査、照明サンプリング、サンプル収集とラベリング、モデル訓練と配備まで8週から12週かかります。鍵はサンプル量で、欠点のカテゴリごとに少なくとも数百枚の有効なサンプル画像が必要です。コールドスタートの段階では、まずルールベースのアルゴリズムで運用しつつデータを蓄積してモデルを反復するのが望ましい方法です。

二つ目はハードウェア条件です。工場の環境光は制御可能である必要があり、検査エリアは遮光することが望ましいです。カメラの設置は振動源を避けるべきで、織機付近の低周波振動は撮像の鮮明度に影響します。染色工場のエッジ演算装置は高温多湿を考慮する必要があり、IP54を基準とします。

三つ目はよくある誤りです。AI検査を導入すれば人手ゼロになると考える工場が多いですが、最初の三か月は人手による検証とモデル調整が必要で、人と機械の協働が常態です。もう一つの誤りは「すべての欠点を検出する」ことを追い、感度を上げすぎて過剰棄却率が急上昇し、検査員が誤警報の確認に追われて実際には効率が下がることです。合理的な進め方は、許容できる見逃し率と過剰棄却率の組み合わせを先に定め、徐々に最適化することです。

コスト構成では、単一ステーションのAI検査システムはカメラと照明(高い比率)、アルゴリズムのライセンス、エッジ装置、導入サービスに主に支出します。複数ステーションへ展開すると、アルゴリズム基盤とサーバーを再利用できるため単価は下がります。

5. 向く工場と、向かないシナリオ

向くシナリオは、ラインのタクトが安定し、入荷材料の一貫性がよい工程です。生機の検反、衣料の外観検査、裁断品の寸法検査が該当します。欠点類型が比較的固定され、サンプルを十分に集められるカテゴリ、デジタル基盤がありMESやERPでデータを受け取れる工場も適します。漳州の繊維・アパレル企業でも、バッチ注文で柄の切替が比較的少ない企業は成功率が高くなります。

向かないシナリオは、高反射の生地(一部のコーティング生地やスパンコール生地など)で標準構成では解決できず照明方式の追加評価が必要なケース、変形が大きい素材(自由状態で寸法が不安定なニットの伸縮生地など)で張力制御や特殊な撮像方法が必要なケース、ロットが小さく品種が多く注文ごとに柄が大きく異なるためモデルの再利用性が低く投資対効果を慎重に計算すべき工場、専任の設備保守担当がおらず稼働後の日常校正や光源清掃が滞りやすい町工場型の現場です。

実務では、AI検査は繊維・アパレル業界の万能薬ではなく、基準が明確で反復性が高く、人の目が疲労する検査工程を対象とします。漳州の産業特性は生地と衣料の両方の工程に需要を生みますが、選定時には欠点サンプルの蓄積とライン適合を優先すべきで、アルゴリズムの精度だけを唯一の指標にしてはいけません。業界にはERP時代から数十年にわたり取り組み、120万社の顧客にサービスし、累計数千万台の端末を導入し、国内・海外市場をカバーしてきたベンダーもあり、こうした事業者のライン統合とデータ接続の経験が、アルゴリズム指標の競争以上にプロジェクトの結果を左右することが少なくありません。

分野: スマート工場百科