外観検査とは

外観検査とは、製品の品質を保証するために検査対象物の外観上の欠陥有無を検査することです。
不良品流出によるリスク防止・品質維持による安全性向上などの観点から、もっとも重要な皇帝の一つで、ほとんどすべての工場で外観検査が実地されています。

外観検査

外観検査の「3つの目的」

外観検査は、製品の品質が仕様書・規定値に適合しているか確認する重要な工程です。

品質の保証

製造業では、「消費者に対する品質保証」やサプライヤーとして「納入先の品質基準遵守」が必要になります。
消費者に不良品が流出した場合、機能性や安全面のリスクだけではなく、企業としてリコールやイメージダウンなど経営上重大な損失が生じます。 また、納入先からのクレームや取引停止リスクなど様々な問題に発展する危険性があります。そのため、製品品質に問題がないか、基準を満たしているか チェックをする外観検査は大変重要な役割があります。

品質の維持

製品の品質にばらつきがないか継続的にチェックすることが品質維持、安定供給の観点から求められます。
一定の基準で外観検査を実施することで安定的な品質維持に繋がります。

品質の向上

製品検査は必要不可欠ですが、そもそも不良品が出ないように製造工程・設備を改善して品質を向上させていくことが重要です。
外観検査の実施により、不良発生の原因を特定して改善を行うことが本質的な目的になります。

外観検査の種類

外観検査 内容
規格不良 寸法 寸法検査・角度検査
形状 変形検査
位置 位置ずれ検査
デザイン デザインずれ、擦れ検査
表面不良 キズ 傷、擦れ、打痕などの傷検査
輪郭 バリ、欠け検査
表面 汚れ、しわ、凹凸、色ムラなどの表面検査
異物 異物、チリなどの付着物検査

従来の外観検査手法

画像検査システム

従来の画像検査はいわゆる「ルールベース」で行われているため、周囲との濃度差や2値化・RGB範囲指定による色面積判定など「ルール(基準)」を設定して判断します。
そのため、人の感覚では認識できるが明確に境界線を引くことが難しい微妙な変化に対応できないケース、見逃し・誤判定が生じるケースも多いことが問題点として挙げられます。

目視検査

目視による検査は判断基準が曖昧になりやすく、検査員のスキルや体調などに応じても変化するため、どうしても検査基準にばらつきが生じます。 その結果、異物混入など不良品が流出する重大リスクに繋がる可能性があります。 目視検査で対応できるスピードには限界があるため生産数への影響や、そもそも人手不足で採用自体が難しいなど多くの課題が挙げられます。

AI外観検査とは

AI外観検査とは、ディープラーニング(深層学習)の技術を活用した画像検査手法です。
具体的には、入力画像(不良箇所)に対して最適な結果(NG)が出力されるように、ディープニューラルネットワークのパラメータ(重みづけ)を自動で最適化していく手法です。
従来は、システムインテグレーターなどが最適なルール(基準)を設定してモデルを構築しておりましたが、AIは自動的に不良箇所の特徴を捉えてモデルの構築が可能です。
その結果、表面状態が複雑で単純なルールを引けない場合においても人間の範疇を超えた高い認識精度を実現できます。

AI外観検査

AI外観検査の強み

ロバスト性の高い検査が可能

従来の外観検査は、検査領域を指定して「濃淡差」で検出するため、形状変化や表面状態が複雑な製品には対応できませんでした。 しかし、AI(ディープラーニング)では、学習した特徴をもとに判断を行うため表面状態が複雑な金属や繊維、形状変化がある食品でも問題なく検査が可能です。

検査基準の標準化

従来の外観検査は「濃淡差」が明確でないと検出ができませんでした。しかし、AI(ディープラーニング)は「人の感性による判断」や 「熟練検査員が検出する微細な欠陥」もモデル学習することで、同一検査基準で高精度検査を実現します。

熟練検査員の基準で検査自動化を実現

従来の画像検査システムではオペレーターが属人的にしきい値を設定していたため、検査ラインや担当オペレーターによって検査基準が変わる問題が蔓延していました。 一方、AI画像検査では検出対象の特徴を認識して安定的な検査が可能であるため、頻繁にしきい値を調整する必要がなく「検査基準の標準化」、 さらには「調整工数削減」が期待できます。

AIによる外観検査の事例

カーペットの汚れ検査

表面に模様など濃淡がある製品の欠陥も不良部分のみ検出ができます。 目視では簡単に不良箇所が分かりますが、従来の外観検査システムでは良品の模様(濃淡)に反応してしまい検査不可でした。 ディープラーニングでは破れの特徴自体を学習して検出するため、通常の模様部分に反応することなく自動検査が実現します。

鉄板の傷検査
鉄板の傷検査

表面状態の複雑な金属表面の微細な傷も正確に検出できます。従来のルールベースでは、良品部分の濃淡差にも反応するため検査が不安定になりますが、検出したい不良のみ学習させることで、安定的に不要箇所のみ検出が可能です。

ソーセージの残骨検査
ソーセージの残骨検査

ソーセージの内部に混入している骨を高精度に検出することが可能です。従来の検査装置では、X線画像で色が濃くて鮮明に写る大きな骨しか検出できないため「残骨の見逃し」が発生しておりました。 弊社では、前処理技術と最新のAIアルゴリズムを組み合わせることで微小骨や異物の検出をかつてない高精度で実現しました。

どのような企業・人におすすめ?
こんなお悩みありませんか?
  • 外観検査システムを導入したいけれど、何から始めるべきか分からない
  • 従来の外観検査システム(ルールベース)を購入したが精度が不十分で、結局使えなかった
  • 目視検査で見逃しが発生しており、検査基準の標準化・検査精度の向上を望んでいる
  • 現在の外観検査システムでは頻繁にしきい値調整などをしており無駄な工数がかかっている

2つの導入パターン

目視検査の自動化

目視検査の課題

  • 検査基準にばらつきがある
  • 検査時間が原因で生産数を増やせない
  • 目視検査員が採用できない/教育コストが高い
AI画像検査システム導入により
省人化を実現

既存検査システムの高精度化

既存検査システムの高精度化

  • 誤判定が多くオペレーションコストや廃棄コストがかかる
  • 既存の検査システムでは、検出できない不良がある
  • 毎日しきい値を調整しており検査基準が変わってしまっている
現在のシステムにAI処理用筐体を
後付けするだけで
検査高精度化を実現

VRAIN Soluiton だからできること

外観検査では、実は「デバイスの選定」や「照明技術」も大変重要なファクターになります。検出対象が可能な限り鮮明に写るように撮像(データ取得)をすることで、 検査精度の向上や安定検査が期待できます。
弊社では画像処理に関する豊富な経験や実績により、最適な撮像条件の選定からご対応いたします。そのように取得した良質な画像データに対して、 複数の最新AIアルゴリズムから最適なモデルを実装することで従来検査が難しいテーマに対しても高精度な検査が可能になります。

弊社は、撮像条件の選定~AI画像処理~インラインへ
組み込みをワンストップで実現します。

導入前に無料診断テストを実施

AI導入が初めてのお客様でもご安心してご検討いただけるように、弊社では初期のテスト・レポート作成を無償でサポートしております。 最新のアルゴリズムで検証可能、複数のモデルで比較検討いたします。

現場確認

現場確認

現場環境に合わせた撮像条件の検討

ワークテスト

ワークテスト

製品撮像・AI検査モデル検証

レポート作成

レポート作成

報告書の作成、検証内容のご説明