多品種外観検査とは？基本と導入メリットを初心者向けに解説

多品種外観検査とは

多品種外観検査とは、1つの検査システムで複数の品種（製品タイプ）を自動検査する手法です。従来のAI外観検査では、品種ごとに学習データを集め、モデルを個別に構築する必要がありました。品種数が10を超えると、この「品種ごとの学習コスト」が導入の最大のボトルネックになります。

多品種外観検査では、品種横断で使える検査ロジックを構築することで、新品種の追加時に再学習なし（またはごく少量の追加データ）で対応できる状態を目指します。

多品種外観検査が求められる背景

日本の製造業は「多品種少量生産」が主流です。特に以下の業界では、1つの製造ラインで数十〜数百品種を生産しています。

• 自動車部品：プレス部品・樹脂成形品・ダイカスト部品。品番ごとに形状・サイズが異なる
• 化粧品：容器の形状・ラベルデザイン・印字内容が品種ごとに変わる
• 食品：包装デザイン・内容量・賞味期限印字が品種ごとに異なる
• 電子部品：基板・コネクタ・ICの外観が品種ごとに異なる

これらの現場では、品種切替のたびに検査パラメータを変更する工数が、生産性を大きく圧迫しています。

従来の外観検査と多品種外観検査の違い

項目	従来の外観検査	多品種外観検査（VLM×AI）
品種ごとの学習	必要（数百〜数千枚/品種）	不要 or ごく少量
品種追加時	再学習＋パラメータ再設定	ブラウザUIで即追加
品種切替時間	数分〜数十分	自動（ゼロ秒）
検査基準の記述	数値パラメータ（閾値設定）	自然言語（テキスト記述）
初期費用	品種数×数百万円	品種数に依存しない
運用負荷	品種数に比例して増大	品種数に依存しにくい

最大の違いは「品種数が増えてもコストと工数が線形に増えない」ことです。従来のDeep Learning検査では品種ごとに学習データの収集・アノテーション・モデル構築が必要でしたが、多品種外観検査ではこの工程を大幅に省略できます。

多品種外観検査を実現する3つの技術

1. VLM（Vision Language Model）

VLMは画像と自然言語を同時に理解するAIモデルです。多品種外観検査では、VLMを以下の3つの用途で活用します。

• NG画像生成：良品画像から不良品画像を自動生成し、学習データ不足を解消
• オートアノテーション：不良箇所のラベル付けを自動化し、アノテーション工数を90%削減
• ラベル文字認識：品種ごとに異なるラベルの印字内容をVLMが直接読み取り・照合

重要なのは、VLMは「検査そのもの」を行うわけではないということです。VLMは学習コストを下げるためのバックエンドツールであり、実際の高速検査はルールベースや従来AIが担います。

2. ルールベース×AIのハイブリッド構成

多品種外観検査では、検査フローを「ルールベース」「従来AI（Deep Learning）」「VLM」の3層で構成します。

• ルールベース：寸法測定、位置合わせ、色判定など、数値で定義できる検査項目
• 従来AI：キズ・汚れ・欠けなどの不定形欠陥の検出。TensorRTで高速推論
• VLM：ラベル文字認識・照合、新品種追加時のNG画像生成・アノテーション

この3層構成により、タクトタイム100ms以下の高速検査と、品種数に依存しない柔軟性を両立します。

3. エッジAI（Jetson AGX Orin）

多品種外観検査システムは、工場内で完結するエッジAI上で動作します。Nsightでは NVIDIA Jetson AGX Orin を標準採用しており、以下のメリットがあります。

• 画像データが工場外に出ない（セキュリティ）
• ネットワーク障害で検査が止まらない（可用性）
• ランニングコストが電気代のみ（コスト）

多品種外観検査の導入メリット

メリット1：品種追加のコストが劇的に下がる

従来のAI検査では、1品種追加あたり数十万〜数百万円の費用が発生していました。多品種外観検査では、ブラウザベースの学習UIから現場のオペレーターが自分で品種を追加できるため、追加費用はほぼゼロです。

メリット2：品種切替の停止時間がゼロになる

多品種外観検査では、品種情報を自動で識別（またはPLCからの品種信号で切替）するため、品種切替時に検査ラインを止める必要がありません。これは多品種少量生産ラインでは大きな生産性向上につながります。

メリット3：検査員の属人化を解消できる

品種数が多いほど、検査基準の暗黙知が増え、ベテラン検査員への依存が高まります。多品種外観検査では検査基準がシステム上で一元管理されるため、誰が検査しても同じ品質を維持できます。

メリット4：不良品の流出リスクが下がる

AIは疲労しません。多品種外観検査では、24時間365日、全数検査を同じ精度で継続できます。特に品種切替直後の「慣れるまでのミス」がなくなることが大きなメリットです。

多品種外観検査が向いている現場・向いていない現場

向いている現場

• 品種数が10以上あり、今後も増える予定がある
• 品種切替のたびに検査パラメータの変更に時間がかかっている
• 不良品のパターンが品種横断で共通している（キズ・汚れ・欠けなど）
• ラベルの印字内容が品種ごとに異なる
• 検査員の確保が困難で、目視検査からの脱却を考えている

向いていない現場

• 単品種の大量生産（品種数が1〜3程度）→ 従来AI検査の方がシンプル
• タクトタイム30ms以下の超高速検査 → ルールベース検査の方が確実
• 寸法公差 ±0.01mm以下の超精密検査 → 画像検査ではなく3D計測を推奨

多品種外観検査の導入ステップ

1. 無料サンプル検証（1週間）：検査対象のサンプル画像を送付。最適な検査方式と想定精度を評価
2. PoC（実証実験）（2〜4週間）：実際の製造ラインでの検証。精度・速度・運用フローを確認
3. 本番導入（1〜3ヶ月）：照明・カメラ・エッジAI・検査ソフトの一体設計と設置
4. 運用開始・品種追加：ブラウザUIから現場で品種追加。Nsightがリモートサポート

まとめ

多品種外観検査は、品種数に比例してコストが増大する従来の検査システムの課題を解決するアプローチです。VLM×AI×ルールベースのハイブリッド構成により、品種ごとの再学習を不要にし、品種切替のダウンタイムをゼロにします。

Nsightは元キーエンス画像処理部門のエンジニアが設計する多品種外観検査システムを提供しています。照明・カメラ・検査フローまで一体設計。累計40件以上の導入実績。まずは無料サンプル検証からご相談ください。