ナレッジセンター
目次

品質検査における産業用AIカメラ

産業用AIカメラは、工場の品質管理で人手の目視検査を置き換える中核ハードウェアになりつつある。撮像、エッジ推論、産業用インターフェースを1台の装置に統合し、欠陥検出をクラウドからラインへ移す。

1. 中核概念と技術原理

産業用AIカメラと一般的な監視カメラの最大の違いは、AI推論チップを内蔵していることである。映像をサーバーへ流して結果を待つのではなく、画像認識をローカルで完結させる。典型的な産業用AIカメラはいくつかの重要なモジュールで構成される。ライン上の製品を撮像するイメージセンサー、欠陥検出モデルを動かすAIチップ、PLC、ロボットアーム、仕分け機構と通信する産業用インターフェースである。

AIチップはこうした装置の心臓部である。現在の主流ソリューションは2つの路線に分かれる。一つはカメラ内部に統合する低電力のエッジチップで、NVIDIAのJetson Thorプラットフォーム、AMD Ryzen AI 300シリーズ、Intel Panther Lakeなどがあり、数ワットから数十ワットで軽量な大規模モデルをローカルで動かせる。もう一つはカメラと独立した推論ボックスの構成で、Gaudi 4やInstinct MI400といったアクセラレータを用いて、より複雑な多チャンネル映像解析を行う。

センサー層も進化している。従来の産業用カメラはCMOSグローバルシャッターセンサーを使っていたが、現在はイベントカメラや3Dビジョンセンサーが検査シナリオに入りつつある。イベントカメラはピクセルの輝度変化のみを記録するため、ライン上の高速で動く製品をより鮮明に捉える。3DビジョンとAIチップを組み合わせれば、表面欠陥の検出と寸法公差の測定を同時に行える。

2. 主流製品とソリューションの比較

市場の産業用AIカメラは、おおむね3つの形態に分かれる。

第一はスマートオールインワンカメラで、レンズ、センサー、AIチップ、照明インターフェースをIP67の産業用筐体に統合し、ラインのブラケットに取り付ければすぐ使える。視点が固定された単一ワークステーションの欠陥検出、たとえばスマートフォン筐体の傷やPCBの半田未接合の検出に適する。利点は配備が速く配線が少ないこと、欠点は演算力が限られ非常に大きなモデルは動かせないことである。

第二は分離型の設計で、カメラは撮像のみを担い、AI推論は隣接するエッジ演算ボックスが担う。ボックスにはNVIDIA、AMD、Intelのアクセラレータカードを挿せ、演算力は数十から数百TOPSとなる。複数のワークステーションが1組の推論資源を共有するシナリオ、たとえば1本のSMTラインの6〜8台のカメラを1台のエッジサーバーで処理する構成に適する。柔軟性は高いが、配線と熱設計はより複雑になる。

第三は3DとAIの融合ソリューションで、構造化光やToFセンサーで深度情報を取得し、AIチップで3Dの欠陥解析を行う。自動車部品業界の鋳物の巣の検出や、リチウム電池電極の表面突起の検出は、この方式の方が2Dカメラより正確である。

選定では演算力をいたずらに追ってはならない。単純な表面の傷の検査は低電力のエッジチップで動く。数十種類の欠陥がある多品種混流生産になって初めて、独立したアクセラレータカードが必要になる。

3. 工場AIハードウェアの典型的な応用シナリオ

ある電子工場がコネクタの外観検査を行っている。以前は検査員20名が2交代で、1人1日数千個を目視しており、時間が経つほど見逃し率が上がった。産業用AIカメラに切り替えた後は、各ワークステーションに1台のオールインワンスマートカメラを置き、欠陥セグメンテーションモデルをローカルで動かし、毎分200個以上の検査タクトを実現しつつ、見逃し率は0.3%以内で安定している。段取り替えの際は、技術者が新しいサンプルでモデルを再学習し、30分以内に切替を完了する。

自動車部品会社がブレーキパッドの表面を検査し、亀裂、欠肉、錆斑といった欠陥が十数種類の型番にまたがるとしよう。このシナリオは分離型の設計がより適する。4台のカメラが異なる角度から撮影し、エッジボックスが複数モデルの推論を行って欠陥の種類と位置の両方を判定し、結果を産業用Ethernetで仕分けロボットへ送る。ライン速度は毎分60個で、AI推論の遅延は50ミリ秒以内に抑えられている。

もう一つのシナリオはリチウム電池の電極塗工の検査である。電極は毎分80メートルで動くため、従来のエリアセンサーカメラでは像がぼやける。イベントカメラとAIチップを使えば、輝度が変化したピクセルのみを捉えるためモーションブラーを解決でき、AIモデルが塗工の均一性や箔の露出の有無を判定する。

4. 選定基準と配備の推奨

産業用AIカメラを選ぶ際は、まずライン速度と検査精度の要件を見る。高速ラインはイベントカメラやグローバルシャッターセンサーを優先し、低速で高精度が求められるシナリオは高解像度CMOSと3Dビジョンを使う。

演算力の整合が重要である。実用的な目安として、1080pの1ストリームで軽量な分類モデルを動かすには5〜10 TOPS、セグメンテーションや検出モデルなら20 TOPS超、複数ストリームで並行してモデルを動かすなら独立したアクセラレータカードが必要である。

産業用インターフェースも見落とせない。現場にはPLC、ロボットアーム、警報灯があるため、カメラはGigE Vision、USB3 Vision、MIPIのいずれかに対応し、警報を直接トリガできるデジタルIOを持つ必要がある。防護等級は少なくともIP54、粉塵の多い工場ではIP67とする。

配備はまず小規模な実証から始める。1本のラインと1つのワークステーションを選び、2週間動かして見逃し率と誤報率を確認する。モデル学習のサンプルは異なる照明と異なる製品ロットをカバーしていなければ、ロットが変わった後に精度が落ちる。エッジ装置の熱設計も事前に考慮する必要があり、工場の盤内温度は50℃を超えることがあり、それを超えると受動冷却では足りない。

5. 技術動向と今後の展望

AIチップは2つの方向に進んでいる。一つはより微細なプロセスと高い演算密度で、NVIDIA Rubinアーキテクチャは3nmプロセスとHBM4を用い、2026年の量産でエッジ推論の演算力をもう一段引き上げる。もう一つは低電力エッジチップの普及で、Qualcomm、MediaTek、NVIDIAはいずれもローカル大規模モデル推論に対応するエッジチップを推し進めており、将来の産業用カメラはマルチモーダルモデルを直接動かし、画像、音、振動の信号を同時に処理するかもしれない。

センサー融合ももう一つの流れである。イベントカメラ、ニューロモルフィックセンサー、3Dビジョン、AIチップを統合することで、検査装置は表面を見るだけでなく、変形、振動、温度も感じ取れるようになる。スマート製造ではロボットとAIカメラの組み合わせがより一般的になり、ピッキング、検査、仕分けが1つのワークステーションで完結する。

工場にとって、産業用AIカメラは買えばすぐ動く標準品ではなく、ラインの特性に合わせたモデル学習とインターフェースの適応が必要である。この業界のベンダーはすでに15以上の業界で3,200台以上の端末に採用され、民生電子から自動車部品、リチウム電池、医薬品包装まで配備が広がっている。選定では仕様表だけでなく、実際のラインで達成されたタクトと安定性を見るべきである。

分野: AIハードウェア百科