電子部品の多品種外観検査｜基板・コネクタ・ICの欠陥検出をAIで自動化

電子部品の多品種検査が抱える課題

電子部品業界は、データセンター建設ラッシュ・EV普及・IoT拡大により増産圧力が高まっています。同時に、品種数も増加しており、1つの工場で数百～数千品種の部品を生産するケースも珍しくありません。

電子部品別の検査課題

部品	代表的な不良	検査の難しさ
プリント基板（PCB）	パターン断線・ショート・レジスト不良	高密度パターンの微小欠陥検出
コネクタ	ピン曲がり・欠損・メッキ不良	微細ピッチ（0.3mm以下）の検査
IC/LSI	リードフレーム変形・マーキング不良	高速検査（数千個/時間）
受動部品（チップ抵抗等）	クラック・電極欠け・寸法不良	極小サイズ（0402等）の取り扱い
実装後基板（PCBA）	はんだ不良・部品実装ズレ・欠品	多数の検査箇所（1基板で数百点）

電子部品特有の3つの壁

• 微小の壁：欠陥サイズが数十μm。高倍率レンズと高解像度カメラ（500万画素以上）が必要
• 多品種の壁：品種ごとにパッケージ形状・マーキング・検査基準が異なる
• 速度の壁：タクトタイム0.5秒以下の高速検査が求められる

Nsightのアプローチ

1. 高解像度×高速の撮像システム

電子部品の検査では、微小欠陥を検出するための高解像度と、タクトタイムを満たすための高速処理を両立する必要があります。Nsightでは以下の構成を採用しています。

• カメラ：500万～2,000万画素の産業用エリアスキャンカメラ（OPT Machine Vision等）
• レンズ：テレセントリックレンズ（歪みゼロ・被写界深度確保）
• 照明：同軸落射＋ローアングルの2灯式（はんだ光沢面と欠陥を同時に検出）
• 処理：Jetson AGX Orin＋TensorRT（推論50ms以下）

2. 品種横断AIモデル

電子部品の欠陥パターン（クラック・電極欠け・はんだブリッジ等）は、品種が変わっても共通するものが多いです。Nsightでは品種横断の欠陥分類AIモデルを構築し、新品種の追加時に再学習なし（またはごく少量のファインチューニング）で対応します。

3. VLMによるマーキング検査

IC/LSIのマーキング（品番・ロット番号・製造国コード）をVLMが直接読み取り、マスターデータと照合します。品種ごとのOCRテンプレート設定が不要なため、数千品種のマーキング検査を1つのシステムでカバーできます。

実装後基板（PCBA）検査への対応

電子部品の単品検査に加えて、実装後基板（PCBA）の外観検査にも対応しています。1つの基板上に数百点の検査箇所がありますが、VLMによる部品識別と品種横断AIによる欠陥検出を組み合わせることで、基板品種ごとの検査プログラム作成コストを大幅に削減します。

導入効果のモデルケース

指標	導入前	導入後
検査精度（欠陥検出率）	目視95%	AI 99.5%以上
過検出率	—	1%以下
タクトタイム	3秒/個（目視）	0.5秒/個（AI）
品種追加	外注（50万円/品種）	社内（ブラウザUIで無料）
マーキング検査	品種ごとにOCR設定	VLMで設定不要

データセンター部品需要の拡大

データセンター建設ラッシュにより、HDD/SSD関連部品・コネクタ・電源モジュールの増産が進んでいます。増産フェーズでは検査工程がボトルネックになりやすく、多品種対応のAI検査が不可欠です。

詳しくは データセンター向け外観検査 完全ガイド もご覧ください。

まとめ

電子部品の多品種外観検査は、微小欠陥の検出精度と多品種対応の柔軟性を同時に満たす必要があります。高解像度撮像＋品種横断AIモデル＋VLMマーキング検査の組み合わせで、品種数が数千に及ぶ製造ラインでも品種ごとの再学習不要の検査を実現します。