ナレッジセンター
目次

産業用AIカメラの品質検査への応用

産業用AIカメラの品質検査での価値は、事後抜取検査をライン上の即時全数検査へ変えることです。カメラやエッジボックスで推論を直接実行し、クラウド往復なしにミリ秒級で欠陥を判断してPLC・MESへ信号を出します。通常は産業CMOS、固定焦点または液体レンズ、NPU/GPU推論部、GigEかUSB3からなり、多くはIP65以上でPoEとハードウェア同期トリガーに対応します。

一、具体的に解決する問題

ルール型画像処理は品種変更ごとにしきい値を調整し、傷、異色、ばりなど非構造欠陥に弱い方式です。AIカメラは端末にモデルを実装し、畳込みやTransformerで画素単位の分割・分類を行って、低コントラスト、複雑背景、多様な欠陥へ対応します。検査をタクトに追従させ、判断を目視経験から再現可能なモデル出力へ変えることが中心です。SMT炉後AOI、コネクター端子、射出品外観選別では目視作業を直接置換でき、通常一台で幅0.3~1メートルを覆います。

二、主なAI検査ハードウェアの違い

計算基盤は三方式です。一体型はセンサーと推論部を統合し、小さく配線が簡単で狭い現場向けですが、放熱で能力が制限され通常軽量モデルを使います。カメラ+エッジボックスは撮像とGPU・NPU推論を分担し、数十~百超TOPSで高解像度分割を行う大面積向けです。AI PC型ワークステーションはCore UltraやRyzen AI 300などのNPU搭載基盤を用い、成熟した開発環境と複数カメラ接続が強みです。NVIDIA GB300とAMD MI350はデータセンター級の学習・集中推論基盤で、現場エッジ機と同一視したり、直接代替できる低仕様版があると仮定したりしてはいけません。Intel Gaudi 3はAIアクセラレーター、Xeon 6はサーバーCPUで、両者をNPUと総称すべきではありません。複数ラインの集中推論にはサーバー配置を評価できますが、消費電力、放熱、インターフェース、環境、モデル互換性を合わせ選定検証します。

三、工場で実際に適する検査場面

アルミダイカストの外観を検査する自動車部品企業を仮定し、気孔、湯境、傷を1個二秒以内で判定するとします。バックライトや低角度リング光で移動中に多方向撮影・推論し、選別へOK/NGを出します。ある電子工場のコネクター組立では端子曲がり・欠品を、搬送エンコーダー同期のハードトリガーで毎回同じ位置に撮影します。射出品の色差では多波長光と学習で同色系ロット間の微小差を区別でき、ルール記述が難しい場面もサンプル学習で収束できます。

四、選定・配置でよく問われる事項

解像度と視野はどう合わせるか。最小欠陥が通常少なくとも3~5画素を占めるよう、解像度と焦点距離を逆算します。最小幅方向を3~5画素で覆うとして、0.1ミリメートルの傷、横視野200ミリメートルなら横解像度は約6000~10000画素必要です。2000画素しかなければ0.1ミリメートルは約1画素です。これは標本化の概算で、実際の能力は光学像、コントラスト、現場試験で確認します。

遅延はタクトに合うか。一体型の端から端の遅延は通常50~200ミリ秒で、エッジボックスは30ミリ秒以内まで短縮できますが、モデル複雑性と画像伝送に左右されます。タクト1秒未満ではハードトリガー+エッジ推論を推奨します。

環境適応では何を見るか。粉塵・油ではIP等級とレンズパージインターフェース、溶接近傍ではGigEケーブルへの電磁影響を評価しシールドM12を優先します。45℃超では一体型を低クロック運用するか広温度モデルを選びます。

既存連携はどうするか。主流カメラはOPC-UA、Modbus TCP、デジタルIOでPLCへ直接警報できます。画像・欠陥座標をFTP・MQTTでMESへ送り追跡します。導入前にPLC通信方式とIO点数の余裕を確認します。

手順は欠陥サンプルの収集・学習・検証、ライン脇のオフライン再検査で見逃し率確認、接続試運転で誤報集計、照明とカメラ位置の固定・防振補強です。収集から安定まで通常四~八週間で、欠陥種類数によります。

五、適する場面と適さない場面

安定タクト、均一な投入品、欠陥サンプルを大量に集められるプレス外観、射出品ショート、電子組立の着座確認などに適します。光学系未検証の強反射金属や、欠陥定義が曖昧で人の判定も一致しない工程では安定境界を学べず不向きです。高変形・柔軟材料では姿勢・光角を追加評価し、標準方式をそのまま流用できません。多品種少量・頻繁切替ではモデル切替と再学習の時間費が許容できるか確認します。

ERP時代から数十年、120万顧客、累計数千万端末の産業経験から見ると、重要なのは単独アルゴリズムより、照明・トリガー・通信・モデル更新をつなぐ工学的支援です。計算能力の数値を追うより、先にタクト、精度、環境を明確に計算する方が実用的です。

分野: AIハードウェア百科