有無・品種判別検査とは
部品の有無、数量、品種が正しいかを確認する検査です。入出荷時のカウント、基板上の部品有無、接着剤塗布の確認など、製造・物流の幅広い工程で使われています。
エリア計測（面積検査）
画像を白黒2値化して、白または黒の画素数を数えます。これにより対象物の面積や有無を判定できます。設定した面積の閾値で合否を判定するシンプルな手法です。
ブロブ（個数カウント）
2値化した画像から、白または黒のかたまりの数をカウントします。各かたまりの面積・位置・形状も取得でき、個数だけでなく形状による判定も可能です。
濃淡ブロブでは、背景に対して明るい・暗いかたまりを検出し、照度変動の影響を受けにくい安定した検出ができます。
パターンサーチ（品種判別）
あらかじめ登録した画像パターンと入力画像を比較し、相関値（一致度）を算出します。異品種の混入や部品の抜けを検出できます。
高速性と高精度を両立するために、圧縮画像での粗サーチ→段階的な精密サーチというアルゴリズムが使われます。
輪郭形状によるサーチ
画像の輪郭情報を使ったサーチでは、表面状態の変化や対象物の欠け・重なりがあっても安定した検出が可能です。自動特徴抽出アルゴリズムにより、誰が設定しても安定したサーチが実現できます。
Nsightのアプローチ
Nsightは元キーエンス画像処理部門のメンバーが在籍しており、個数カウント・品種判別の検査設計からAI連携まで一貫して対応します。パターンサーチで対応しきれない多品種の識別には、VLMが特に威力を発揮します。
多品種外観検査（VLMは裏方として活用）
ルールベース＋従来AIで検査を行い、VLMは「学習コストを下げる武器」として裏方で活用します。NG画像生成・アノテーション自動化・ブラウザベースの学習機能の3つをパッケージ化していく方針です。これらの機能により、お客様にとっての使いやすさを高めると同時に、各現場の検査データを蓄積できる構造を作ります。
ラベル文字認識・照合（VLMが検査自体を行う）
賞味期限・ロット番号・産地情報等の日本語テキストを読み取り、マスターデータと照合する用途です。VLMが学習なしで文字の位置と意味を理解するため、品種が変わっても設定変更なしで対応可能です。
サンプル画像をお送りいただければ、検査精度の無料検証を実施します。
無料サンプル検証を依頼する →計数検査と存在確認の業務上の重要性
製造業・物流業で「正確な個数」「部品の有無」を確認することは、出荷品質と顧客信頼の根幹。1個多い・少ないというだけで返品・クレーム対応が発生し、業務コストが膨張します。
従来の計数手法の限界
限界①: 人手カウントの誤差
10個程度なら正確でも、50個・100個になると人間の集中力では誤差が発生。連続作業による疲労蓄積でさらに誤差増大。
限界②: 重さによる計数の誤差
重量変動や個体差で誤差が発生。形状違いの混在では機能しない。
限界③: 製品の重なり・隠れ
製品が重なっている、容器内で見えにくい場合は人手では正確に数えられない。
AI計数の実装方式
方式①: 物体検出ベース
YOLO等の物体検出モデルで個別物体を識別し、ボックス数をカウント。一般的な計数に最適。
方式②: セグメンテーションベース
各物体の領域を画素レベルで識別し、領域数をカウント。重なりや変形のある対象に対応。
方式③: 密度推定ベース
画像全体の物体密度マップを推定し積分。高密度・大量物体（数百個）の計数に有効。
業界別の計数AI適用例
| 業界 | 計数対象 | 典型誤差率 |
|---|---|---|
| 食品包装 | 菓子・錠剤・冷凍品 | ±0.5% |
| 物流 | 箱詰め品・ピッキング数 | ±0.1% |
| 建設 | 鉄筋・パイプ束 | ±1% |
| 自動車部品 | ボルト・ナット・小部品 | ±0.3% |
| 製薬 | 錠剤・カプセル | ±0.05% |
存在確認（プレゼンス検出）の応用
応用①: 部品取り付け確認
組立工程で「指定部品が取り付けられているか」を画像確認。組立漏れの自動検出に有効。
応用②: 容器内充填確認
瓶・パック内に内容物が正しく充填されているかを画像判定。空容器・半充填の検出。
応用③: マークシール貼付確認
商品にマーキングシール・QRコード・ラベルが正しく貼付されているか確認。
計数AI導入のROI
計数業務の自動化により、人件費削減・誤差クレーム削減・全数記録によるトレーサビリティ強化が実現。投資回収期間は1〜2年が標準。
計数誤差の業界別許容範囲
計数誤差の許容範囲は業界要件で大きく異なります。製薬業界は最も厳格（±0.05%）、物流業界は厳格（±0.1%）、自動車部品は中程度（±0.3%）、食品包装は中程度（±0.5%）、建設業は緩やか（±1%）。要求精度に応じた手法選定が、コスト最適化の鍵です。「とりあえず最高精度」を選ぶと、必要以上の投資になりやすい領域です。
計数AIの精度向上テクニック
計数精度を向上させる技術的工夫を体系化します。第一に、撮像時に物体重なりを最小化する搬送設計。第二に、複数フレーム合成による検出ロバスト性向上。第三に、業界特化モデルの活用（食品計数、部品計数等）。第四に、エラー検知ロジック（前後フレーム比較・想定範囲逸脱検知）。これらを組み合わせて±0.1%精度を達成できます。
計数AIの応用範囲拡大
計数AIは「個数を数える」だけでなく、関連業務への応用拡大が進んでいます。在庫管理（リアルタイム棚卸）、ピッキング検証（指示通りの数量）、出荷確認（パレット単位の積載数）、製造工程管理（ライン上の流量管理）など。元々の計数機能に、業務システム連携を加えることで、業務全体のデジタル化が実現します。
計数AIの導入時のチェックリスト
計数AIの導入時は、要求精度・対象物の特性・撮像環境・サイクルタイム・既存システム連携の5項目を必ずチェックします。各項目で要件を明確化することで、導入後のトラブルを未然に防げます。