ナレッジセンター
目次

麗水市のAI外観検査システム

麗水市の射出成形業界は、経験で機械を設定し目視で製品を確認するやり方から、AIで品質を管理するやり方へ移りつつあり、AI外観検査システムは地元の自動車部品、電子機器筐体、日用品の成形業者がコストを下げ効率を上げるための必須ツールになっています。優れたAI外観検査システムは、成形品の外観欠陥の検出率を安定した高い水準に保ちながら、検査工程の反復作業を半分以上削減できます。

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、平たく言えば、産業用カメラとアルゴリズムモデルで人の目に代わって製品の外観を検査するものです。射出成形の現場では、主に製品表面のショートショット(未充填)、バリ、ひけ、シルバーストリーク、黒点、色差、突き出し白化、ドラッグマークなどを見つけます。従来のマシンビジョンは手書きのルールとしきい値に頼り、品種が変わるたびに半日かけて再調整が必要でした。AI外観検査システムは深層学習の道を採り、欠陥サンプルでモデルを訓練して、何が欠陥かをシステム自身が学びます。麗水市の成形業者には特徴があります。受注ロットは小さいのに金型交換が頻繁で、1台の機械が1日に2回から3回金型を替えることもあります。この生産リズムの下では従来のビジョン方式は到底追いつけず、ここにAI方式の優位性が現れます。品種を変えるときは数十枚の欠陥画像を集めてモデルを微調整すれば稼働できます。

2. 主要な機能モジュールと技術的な要点

完全なAI外観検査システムは通常、いくつかの中核モジュールを含みます。1つ目は撮像モジュール、すなわち産業用カメラ、レンズ、光源の組み合わせです。成形品は反射し、透明で、曲面も多いため、照明の設計はカメラの解像度以上に重要です。麗水市で透明アクリル部品やPC筐体を作る多くの工場は、内部の気泡やフローマークをはっきり捉えるために同軸照明とバックライトを併用する必要があります。2つ目はアルゴリズムモジュールで、主流はCNNの分類ネットワークとセグメンテーションネットワークの組み合わせです。まず製品がOKかNGかを全体で判断し、そのうえで欠陥の位置と種類を特定します。3つ目は排出実行モジュールで、欠陥を検出した後、エアブロー、ロボットアーム、または成形機への信号連動で自動的に選別します。4つ目はデータ管理モジュールで、毎回の検査結果、欠陥画像、タイムスタンプを保存し、後からの追跡と工程調整に使います。

技術指標としては、成形品のAI外観検査は一般に1個あたりの検査サイクルが0.3秒から1.5秒で、製品サイズと欠陥の種類によります。検出率では、ショートショットやバリといった明瞭な欠陥は99%以上に達し、色差や軽微なひけなど境界がぼやけた欠陥は通常95%前後です。誤判定率は2%以内なら許容範囲で、高すぎるとラインが頻繁に止まり、作業者がシステムを切ってしまいます。

現在、主流の配備方式は三つあります。第一に、産業用PCへのローカル配備で、単機の改造に向き、コストは低いもののモデル更新が面倒です。第二に、エッジサーバーと複数カメラで、1本のラインの複数ステーション検査に向きます。第三に、ライン単位の配備で、MESや成形機のデータに直接つなぎ、検査結果と工程パラメータを閉ループにします。麗水市は中小企業が多く、ローカル配備とクラウド訓練を組み合わせた方式が人気です。

3. 射出成形における典型的な適用場面

麗水市の開発区にある自動車部品企業で、新エネルギー車向けの内装部品、具体的には黒い高光沢ABSパネルを製造する企業を想定します。以前の検査はコンベヤの横で3人の作業者が製品を裏返して確認しており、終業時には目が疲れ、見逃し率は5%から8%程度でした。AI外観検査システムの導入後、ロボットが製品を取り出した後のコンベヤ上にカメラを設置し、製品が通過するたびに撮影し、アルゴリズムが傷、白点、ひけを判定します。欠陥を検出するとエアブローで不良品をそのままリジェクト箱へ送り、良品は下流へ流れます。作業者は2時間ごとに抜き取り確認を行い、システムがずれていないことを確かめるだけです。この場面では、高光沢表面の反射干渉と黒色部品の低コントラストという二つの難点を、多角度ストロボ照明と画像強調アルゴリズムで解決しました。

もう一つの例です。日用品向けのプラスチック部品、具体的にはPP製収納ボックスを製造し、1ショット4個取りの工場です。こうした製品の欠陥は主にショートショットとバリですが、4個の部品はコンベヤ上で位置が固定されておらず、従来のビジョンでは位置決めが大変でした。AI外観検査システムは物体検出ネットワークで各部位の位置を先に求め、そのうえで欠陥を個別に分類します。4つのキャビティを同時に検査し、サイクルを1.2秒以内に収めて成形機のサイクルに合わせています。この工場は以前、1台につき1人の検査員を置いていましたが、いまは1人で3台を見ています。

もう一つの場面は、培養皿や遠心管といった射出成形の医療消耗品です。こうした製品は汚染や欠陥がほとんど許されませんが、数量が多く単価は低くなります。AI外観検査システムは清浄な搬送トラックと組み合わせ、ラインスキャンカメラで連続撮影してバリ、黒点、寸法変形を検出します。検査データはリアルタイムにアップロードされ、ロットごとに品質報告書が生成されます。麗水市の医療消耗品の成形業者は多くありませんが、数は急速に増えており、AI外観検査の需要も高まっています。

4. 選定と導入のための助言

AI外観検査システムを選ぶときは、まず自社の製品特性を見ます。品種が少なくロットが大きければ、アルゴリズム調整の作業が少ない標準化度の高い解を優先します。麗水市の多くの成形業者のように多品種少量なら、システムの迅速な段取り替え能力に注目します。新しい製品について半日以内にサンプル収集、ラベリング、訓練、稼働まで完了できるか。業界には4時間から8時間で切り替えを完了できるベンダーもあり、この指標は重要です。

次にハードウェアの適応性を見ます。射出成形の現場は高温で油分が多く振動もあるため、カメラと光源は少なくともIP54の保護等級が必要で、産業用PCは広温度設計でなければなりません。麗水市の現場は夏に38度を超えることもあり、一般的な商用コンピュータでは対応できません。

導入の進め方としては、三段階を勧めます。第一に、1台を試験機として選び、撮影から排出までの完全な流れを動かし、欠陥サンプルを蓄積します。第二に、試験機のモデルを類似製品を生産する機械へ移し、汎化性能を検証します。第三に、ライン単位の配備とデータ連携を検討します。最初から工場全体へ展開しないことです。成形品は欠陥の種類が多くモデルの反復が必要で、一歩が大きすぎると失敗しやすくなります。

もう一点の注意です。AI外観検査システムは買ってすぐ使える標準品ではありません。訓練のために現場で少なくとも数百枚の欠陥画像を集める必要があり、初期段階では検査員がラベリングを支援できる体制を整えなければなりません。ラベリングの品質がモデルの上限を直接決めます。麗水市の一部の経営者はシステムを買えば終わりと考え、支援要員を配置しないため、誤判定率が高いまま1か月で遊休してしまいます。

5. 今後の展望

射出成形におけるAI外観検査は二つの方向へ進むでしょう。一つは検査と工程の連動です。ある欠陥が繰り返し現れると、システムが成形機に信号を送って保圧や金型温度の調整を促し、品質問題を芽のうちに摘みます。もう一つは少数ショット学習です。現在モデルの訓練には数百枚の欠陥画像が必要ですが、今後は生成AIが欠陥サンプルを合成し、数十枚で始められるようになります。これは多品種少量の麗水市のような産業集積地にとってとくに価値があります。

もう一つの潮流は、検査データを資産に変えることです。すべての製品の検査結果、欠陥分布、時間推移が保存され、半年蓄積すれば工程最適化の分析が可能になります。たとえば、ある金型のバリ欠陥率が連続生産4時間後に上昇するなら、金型温度の管理に問題があると分かり、金型温度の監視を追加できます。AI外観検査システムは、不良品を選り分けるだけの装置から工程診断のツールへと変わり、その価値は検査員を数人減らすことよりはるかに大きいのです。

麗水市の射出成形業界が一段上へ進むには、品質の安定性は避けて通れない関門です。AI外観検査システムは万能薬ではありませんが、現在入手できる最も費用対効果の高い品質管理手段の一つであることは確かです。適切な解と適切な進め方を選べば、半年以内に実際の変化が見えてきます。

分野: スマート工場百科