前処理フィルターとは
画像処理の基本は「綺麗な画像を撮ること」です。しかし、それだけでは検査が安定しないケースがあります。前処理フィルターを適用することで、背景のノイズを除去したり、欠陥を強調したりして、検査に最適な画像に加工できます。
基本の4フィルター
膨張
3×3の領域で最も明るい画素に置き換え。黒いノイズを除去し、白い欠陥を強調します。
収縮
3×3の領域で最も暗い画素に置き換え。白いノイズを除去し、黒い欠陥を強調します。
平均化
3×3の領域の平均値に置き換え。ノイズを抑え、輪郭を滑らかにします。
メディアン
3×3の領域の中央値に置き換え。輪郭形状を保ったまま、ノイズの影響を抑えます。
エッジ抽出
ソーベル、プレヴィット、ラプラシアン等。明暗の変化を検出して輪郭を強調します。
コントラスト変換
特定の階調の濃淡差を強調。コントラストの低い対象を検出しやすくします。
濃淡補正（リアルタイム濃淡補正）
外観検査で最もよく使われる前処理の一つです。ハレーション（照明の映り込み）や背景の模様の影響を軽減し、欠陥のみを浮かび上がらせます。
原理は「入力画像から推定背景画像を作り、入力画像から推定背景画像を引く」というシンプルなもの。曲面のワークなど陰影が発生しやすい検査対象で特に効果を発揮します。
差分処理
登録した良品画像と入力画像を重ね合わせ、差分を取ることで変化した箇所だけを抽出します。汚れ、欠け、変形など「良品から変化した部分」を検出したい場合に有効です。
多段階フィルターの活用
一つの前処理だけで解決しない場合、複数のフィルターを重ねて使います。例えば「ぼかし→濃淡補正」の組み合わせで、細かいノイズを消しつつ、急峻なコントラスト変化だけを抽出できます。
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、検査対象と欠陥の特性に合わせた前処理の設計が強みです。適切な前処理を施すことで、AIに頼らずともルールベースで安定検出できるケースも多く、結果としてシステムコストを抑えられます。
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 →画像前処理の役割
AIモデルに入力する前の画像前処理は、検査精度を大きく左右します。ノイズ除去・コントラスト強調・正規化など、対象に応じた前処理設計が必要です。
主要な前処理フィルタ
フィルタ①: ノイズ除去
- ガウシアンブラー：一般的なノイズ除去
- メディアンフィルタ：ごま塩ノイズ除去
- バイラテラルフィルタ：エッジ保持
フィルタ②: コントラスト調整
- ヒストグラム均等化
- ガンマ補正
- CLAHE（局所均等化）
フィルタ③: エッジ強調
- ソーベルフィルタ
- キャニーエッジ検出
- ラプラシアン
フィルタ④: 形態学的処理
- 膨張・収縮
- オープニング・クロージング
対象別の前処理パイプライン
| 対象 | 推奨パイプライン |
|---|---|
| 金属表面 | 偏光分離→ノイズ除去→エッジ強調 |
| 透明素材 | 背景差分→ノイズ除去→コントラスト強調 |
| 食品包装 | 色変換→ヒストグラム均等化 |
| 樹脂表面 | 多角度合成→ノイズ除去 |
前処理とAIモデルの分業設計
古典的画像処理で取れるノイズはAI前で除去し、AIには「本当にAIでしか判別できない」特徴のみを渡す設計が、精度と速度の両立に有効です。
前処理パイプラインの最適化
- ハードウェアアクセラレーション活用
- 並列処理での高速化
- 必要十分な処理に絞り込む
- パラメータの自動調整
前処理とAI推論の役割分担
対象別の前処理パイプライン設計例
対象別の前処理パイプライン設計例を示します。金属表面では「偏光分離→ノイズ除去→エッジ強調→AI判定」、透明素材では「背景差分→ノイズ除去→コントラスト強調→AI判定」、食品包装では「色変換→ヒストグラム均等化→AI判定」、樹脂表面では「多角度合成→ノイズ除去→AI判定」が標準的な構成です。対象特性に応じたパイプライン選定が精度を決定します。
前処理パラメータの最適化
前処理パイプラインの継続改善
前処理パイプラインは導入後も継続改善が必要です。新しい不良パターン発見時、季節変動への対応、撮像環境の経時変化への対応など、運用中に発見される課題への継続改善が、長期精度維持の鍵となります。月次レビューでパイプラインの効果測定を実施することが推奨されます。