Jetsonで外観検査を構築する方法｜AGX Orin×産業用カメラの実装ガイド

Jetsonで外観検査を構築するメリット

製造ラインにAI外観検査を導入するとき、「クラウド推論型」と「エッジ推論型」の2つの方式があります。製造業の現場では、セキュリティ・レイテンシ・ネットワーク依存の3つの観点から、Jetsonを使ったエッジ推論が選ばれるケースが大半です。

NVIDIA Jetson AGX Orinは275 TOPSのAI演算性能を手のひらサイズで実現するエッジAIデバイスです。Jetsonに産業用カメラと検査用照明を組み合わせれば、専用の外観検査装置を購入するよりも低コストで、検査ロジックを自由にカスタマイズできるシステムを構築できます。

キーエンスやコグネックスの専用外観検査装置は1台あたり数百万円が一般的ですが、Jetsonベースならハードウェア総額50万円前後からスタート可能。さらに検査対象が変わってもソフトウェア更新だけで対応できるため、多品種ラインとの相性が抜群です。

Jetsonで外観検査を組むための機材構成

エッジデバイス：Jetson AGX Orin 64GB

外観検査の推論エンジンです。275 TOPS（INT8）、64GB LPDDR5搭載。TensorRTで最適化したモデルをリアルタイム推論します。NVIDIA Inception Programパートナー経由でハードウェアリベート（割引）が適用可能。開発キット価格は約25万円です。

産業用カメラ：GigE VisionまたはUSB3.0

外観検査の撮像品質を左右する最重要機材。検査対象のサイズと要求分解能から画素数を逆算します。0.5MP〜12MPの範囲で選定。OPT Machine Vision、バスラー、TELEDYNE FLIRが代表的です。

検査用照明：外観検査の成否を決める最大要因

元キーエンスの技術者として断言しますが、照明が適切なら外観検査の精度の80%は確保できます。同軸落射照明（鏡面反射の検出）、バー照明（凹凸の強調）、リング照明（均一照射）を対象に応じて選びます。

Jetsonで外観検査を構築する5ステップ

ステップ1：外観検査の要件定義

「何を」「どの速度で」「どの精度で」検査するかを明確にします。不良の種類（キズ・欠け・異物・色ムラ・寸法ズレ）、ラインタクト、要求検出率を整理。この工程を省くと機材選定のやり直しが発生します。

ステップ2：撮像環境の設計

カメラの画角・作動距離・分解能を計算し、照明方式を決定。外観検査の成否を最も左右する工程です。Nsightではサンプル画像から最適な撮像環境を無料で提案しています。

ステップ3：AIモデルの学習とTensorRT最適化

良品・不良品の画像を収集しAIモデルを学習。VLMを活用すればNG画像が少なくても合成データで補えます。ONNX→TensorRT変換でFP16/INT8に量子化し、Jetsonにデプロイ。

ステップ4：Jetsonへのデプロイとライン連携

JetPack SDK上で、画像取得→前処理→推論→PLC出力をパイプライン化。並列実行でレイテンシを最小化します。PLCとの連携はGPIO/Ethernet経由で対応。

ステップ5：現場調整と閾値チューニング

実ラインで検出閾値・照明強度・カメラゲインを調整。Nsightのブラウザベース学習UIなら、現場オペレーターがパラメータを直接変更できます。

Jetsonで外観検査を構築する際の費用

項目	価格帯	備考
Jetson AGX Orin 64GB	約25万円	Inception割引適用可
産業用カメラ	5〜30万円	解像度による
検査用照明	3〜15万円	方式・サイズによる
マウント・筐体	3〜10万円	防塵要件による

ハードウェアだけなら約40〜80万円でJetsonベースの外観検査システムが構築可能。専用検査装置（数百万円〜）と比較して大幅なコスト削減になります。

Jetsonで外観検査を失敗しないための3つの注意点

1つ目は照明設計を後回しにすること。外観検査の精度は撮像品質に直結します。照明が不適切なまま学習データを集めても精度は出ません。

2つ目は開発環境と工場環境のギャップ。オフィスで動いたモデルが、工場の振動・温度・外乱光で同じ精度を出せるとは限りません。早期の現場PoCが必須です。

3つ目はラインタクトへの対応不足。推論速度が足りなければTensorRTのINT8量子化やモデル軽量化で対処。それでも不足なら複数画像のバッチ処理に切り替えます。

Jetsonによる外観検査の導入事例

鉄鋼業界：電極製品の多品種外観検査

大手鉄鋼メーカーの電極製品ラインに、Jetson AGX Orinベースの外観検査システムを導入。従来は品種ごとに検査パラメータを手動設定していましたが、VLMを組み合わせたハイブリッド構成により品種切り替え時間をゼロに。表面欠陥の検出率99%以上、寸法測定とAI-OCRを1つのJetsonで同時処理しています。カメラはGigE Vision対応の5MPモデル、照明は同軸落射とバーの2灯構成です。

化粧品業界：ラベル印字の文字認識・照合

化粧品メーカーの多品種充填ラインにJetsonベースの外観検査を導入。商品名・成分表示・ロット番号・バーコードの4項目をVLMで同時検査。学習データなしでラベルの文字位置と意味を理解し、マスターデータと自動照合します。品種数100以上のラインでも切り替え作業ゼロで外観検査を継続。従来の専用OCR装置（初期費用3,000万円）と比較して、約1/10のコストで導入できました。

食品業界：ラインでの製品カウントと外観検査

食品製造ラインで流れる製品の個数カウントと外観検査を同時実行。形状にばらつきがある食品でもVLMが安定したカウントを実現し、精度99%以上。Jetson AGX Orin上でTensorRT最適化モデルが30FPSで推論し、ラインタクトに余裕を持って対応しています。

Jetsonで外観検査を始める最短ルート

Jetsonで外観検査を構築するために、必ずしも全てを自社で開発する必要はありません。Nsightでは以下の流れで最短2週間でPoCを開始できます。

①無料サンプル検証（数日）：検査対象のサンプル画像をお送りいただくだけ。Jetsonでの外観検査の実現可能性と想定精度をレポートでお返しします。

②PoC実施（2〜4週間）：カメラ・照明・Jetsonを現場に持ち込み、実ラインで外観検査の精度・速度を検証。投資判断に必要な数値データを提供します。

③本番導入：PoCで効果が確認できたら、本番用の外観検査システムを構築。横展開のサポートも行います。

Jetsonの外観検査で使えるソフトウェアスタック

Jetsonで外観検査システムを構築する際のソフトウェア構成は以下の通りです。OSはJetPack SDK（Ubuntu LTSベース）を使用。画像取得にはOpenCV（GStreamer経由でカメラ制御）、推論エンジンにTensorRT、前処理・後処理にNumPy/CuPy、WebUIにFastAPI＋Reactを採用しています。

VLMを活用する場合は、テキストプロンプトで検査基準を定義し、品種切り替えをコードの変更なしで実現します。ブラウザベースの学習UIにより、現場のオペレーターがAIモデルのパラメータを調整できる仕組みも提供。Jetsonの外観検査は「導入して終わり」ではなく、現場で育てていくシステムです。