AI外観検査は、漳州の機械加工業界でコスト削減と効率向上の鍵となる手段になりつつある。マシンビジョンと深層学習を用いて人手の目視検査を代替し、見逃し率と誤判定率を生産ラインが許容できる範囲に抑える。福建省南部の重要な製造拠点として、漳州には金属製品、自動車部品、精密機械、金物プレスの中堅・中小の機械加工企業が多い。検査員の採用難、熟練経験の継承難、全数検査報告への顧客要求の厳格化という共通の課題に直面しており、AI外観検査は選択肢から必須へと変わった。
1. AI外観検査システムの中核概念と定義
AI外観検査システムは、産業用カメラ、光源、レンズで製品画像を取得し、深層学習アルゴリズムで欠陥認識、寸法測定、分類を行うハード・ソフト一体のシステムである。従来のマシンビジョンとの最大の違いはここにある。従来のビジョンはエンジニアがルールを記述してパラメータを調整し、製品が変わるたびに再調整が必要だが、AI外観検査はサンプルでモデルを訓練し、傷、ポロシティ、バリ、欠肉、色むら、割れなど不規則な欠陥を認識できる。機械加工の現場では、AI外観検査は通常、ライン末端や重要工程の後ろに配置してインライン全数検査を行い、検査タクトは製品サイズとカメラ台数に応じて毎秒数個から数十個に達する。
2. 主な機能モジュールと技術要点

1. 画像取得モジュール。産業用カメラ、テレセントリックレンズ、多角度光源、トリガセンサーを含む。機械加工部品は反射、油汚れ、切削液の残留が多いため、光源設計がアルゴリズム以上に成否を決めることが多い。
2. 欠陥検出・分類モジュール。畳み込みニューラルネットワークやTransformerアーキテクチャに基づき、欠陥の種類、位置、信頼度を出力する。多い欠陥には、表面の傷、打痕、砂穴、ねじ部の欠陥、寸法の公差外れなどがある。
3. 寸法測定モジュール。サブピクセルのエッジ抽出とキャリブレーションを組み合わせ、穴径、間隔、角度、同心度を測定し、三次元測定機の抜き取りの一部を代替する。
4. データ管理・トレーサビリティモジュール。各部品の検査画像と結果を記録し、ロット、機械、時間での照会に対応し、品質トレーサビリティと顧客監査を容易にする。ZEVON ESOPは工程文書と検査基準の発行に成熟したソリューションを持ち、検査SOP、欠陥アトラス、判定ルールを作業者と検査員が同じ基準で見られるようワークステーション端末へ直接配信できる。

5. モデル反復・配備モジュール。少サンプル学習、増分学習、エッジ配備に対応し、ライン切替時にアルゴリズムエンジニアが現場にいる必要をなくす。
3. 機械加工における典型的な応用シーン
漳州の地元の自動車部品企業が、主にアルミ合金ダイカスト品と機械加工フランジを生産しているとする。以前は検査員4名が2交代で目視検査を行い、見逃し率は約3〜5パーセントで、顧客クレームも時折発生していた。AI外観検査の導入後、ライン末端に検査ステーション2か所を設置し、一方は表面欠陥、他方は重要寸法を担当する。システムは不良品を自動で不良シュートへ吹き飛ばし、良品データをリアルタイムにアップロードする。検査員は4名から1名に減り、再判定と材料補充を担う。別の小規模な金物プレス工場では製品種類が多くロットが小さいため、従来は段取り替えのたびにビジョンパラメータの再調整が必要だった。AI外観検査では、良品と不良品のサンプルを数十枚撮影すれば30分以内に新機種の訓練が完了し、段取り替えの効率が明らかに向上する。これらのシーンでは、ZEVONの電子標準作業手順ソリューションがAI検査システムと連携し、検査結果と作業指示を結び付け、同じ機械で同じ欠陥が繰り返し発生した際に、システムがシフト責任者へ原因切り分けのガイダンスを自動配信する。
4. 選定と導入のアドバイス

1. まず検査対象と欠陥の定義を明確にする。「表面欠陥」と曖昧に言わず、傷、汚れ、酸化、打痕を区別し、許容できる限界見本を用意する。
2. 光源と機械構造を重視する。AI検査プロジェクトの多くは、アルゴリズムが弱いからではなく、照明が不安定、製品位置がずれる、振動で画像がぶれるといった理由で失敗する。
3. ベンダーに少サンプル学習の能力を求める。機械加工部品は種類が多く、それぞれ数千枚の画像を集めるのは非現実的である。
4. 既存のMESやERPとの統合を考慮する。検査データは品質モジュールへ戻さなければならず、孤立させてはならない。ZEVON ESOPは現場の情報化で長年の蓄積があり、120社以上、15以上の業種、3,200以上の端末にサービスを提供し、機械加工企業の現場工程に精通している。
5. 導入時はまず1つのワークステーションで試行し、1か月分の誤判定・見逃しデータを運用してから、他のラインへの展開を検討する。
5. 今後の展望
今後3〜5年、漳州の機械加工分野におけるAI外観検査は三つの傾向を示す。第一に、単独の検査からライン単位の品質閉ループへ進み、検査結果をマシニングセンタへフィードバックして工具摩耗を補正する。第二に、2Dビジョンから3Dビジョンやサーモグラフィへ広がり、内部欠陥や温度に関わる欠陥をより多くカバーする。第三に、大規模モデルが検査に入り、欠陥を自然言語で記述すると検査モデルが生成され、利用の敷居がさらに下がる。漳州の多くの中堅・中小の機械加工企業にとって、AI外観検査はもはや大手企業だけのものではなく、標準的な能力になりつつある。検査データをいち早く活用した企業が、納期と品質でより多くの受注を獲得する。