目次
そもそも「外観検査の自動化」とは？
外観検査の自動化とは、これまで人の目で行っていた「キズがないか」「正しい形をしているか」「文字が印刷されているか」といったチェック作業を、カメラとコンピューターで自動的に行うことです。
製造ラインを流れてくる製品をカメラで1個ずつ撮影し、コンピューターが自動で「OK」「NG」を判定します。NG品は自動的にラインから排出されます。
身近な例
コンビニのPETボトルにキズがないか確認する作業、食品パッケージの印字が正しいか確認する作業、スマートフォンのガラスにヒビがないか確認する作業——これらはすべて外観検査であり、多くの工場でカメラ＋AIによる自動化が進んでいます。
自動化に必要な3つのもの
外観検査を自動化するには、3つのものが必要です。難しく考える必要はありません。
① カメラ
製品を「撮る」ための目。工業用のカメラを使います。スマホのカメラとは違い、高速で安定した撮影が可能。価格は5万〜50万円程度。
② 照明
製品を「照らす」ための光。実は検査の精度を一番左右するのがこの照明。適切な照明を当てないと、キズや汚れがカメラに写らない。価格は5万〜30万円程度。
③ ソフトウェア
撮影した画像を「判断する」ための頭脳。ルールベース（条件設定型）やAI（学習型）のソフトウェアで良否を自動判定。
この3つがセットで初めて検査が成り立ちます。「AIソフトだけ導入すればOK」ではなく、カメラと照明の選定が非常に重要です。
カメラの選び方（初心者向け）
カメラ選びで気にすべきポイントは実はシンプルです。
見つけたい欠陥の大きさから逆算する
「0.1mmのキズを見つけたい」場合、カメラの1画素が0.02mm以下をカバーする必要があります（最低5画素で捉える）。製品全体を1枚で撮るか、拡大して撮るかで必要な画素数が変わります。
| 見つけたい欠陥 | 必要な画素分解能 | 推奨カメラ |
|---|---|---|
| 1mm以上の大きな欠陥 | 0.2mm/画素 | 30万画素〜（安価） |
| 0.1〜1mmの中程度の欠陥 | 0.02mm/画素 | 200万〜500万画素 |
| 0.1mm未満の微細な欠陥 | 0.01mm/画素以下 | 500万画素以上（高価） |
初心者のよくある質問
「画素数が多いほどいいのでは？」→ 画素数が多いと処理時間が増え、暗い画像になる。必要十分な画素数を選ぶのがプロの設計。過剰スペックはコストと速度の両方を犠牲にする。
照明が一番大事な理由
初めて外観検査を検討する方は「カメラの性能」にばかり目が行きがちですが、実は精度の40%を決めるのは照明です。
理由はシンプルで、照明の当て方によって「欠陥が見えるか見えないか」が決まるからです。
照明の種類（わかりやすく説明）
斜めから照らす（ローアングル）
製品の表面に斜めから光を当てる方式。キズや凹みの影が強調され、微細な欠陥が浮かび上がる。金属部品のキズ検出に効果的。
真上から照らす（同軸落射）
カメラと同じ方向から光を当てる方式。光沢のある金属面の打痕やムラを検出しやすい。反射面のある製品に。
全方向から照らす（ドーム照明）
半球状の照明で全方向から均一に光を当てる。表面の凹凸による影をなくし、汚れや色ムラを検出しやすい。
裏から照らす（バックライト）
製品の裏側から光を当てて、製品の輪郭やの中の異物を浮かび上がらせる。透明容器やフィルムの検査に。
照明選定のよくある失敗
「とりあえず明るい照明を買った」→ 特定の欠陥は見えるが別の欠陥が見えない。照明は1種類で全部カバーできないのが普通。欠陥の種類ごとに照明を使い分ける設計が必要。ここが素人とプロの最大の差。
AI検査の仕組み（専門用語なし）
AI検査の仕組みは、実は人間の検査員の育成と同じです。
| ステップ | 人間の検査員 | AI |
|---|---|---|
| 1. 教える | 先輩が「これはOK、これはNG」と教える | OK画像とNG画像をAIに見せて学習させる |
| 2. 練習 | 実際に検査して、先輩がチェック | 学習したモデルでテスト検査し、精度を確認 |
| 3. 独り立ち | 一人で検査できるようになる | ラインに組み込んで自動検査 |
| 4. 成長 | 経験を積んで判断が正確に | データを追加して精度が向上 |
違いは、AIは24時間疲れず、同じ基準で判断し続けることです。人間のような体調やモチベーションの変動がありません。
最新のAI（VLM）なら学習データが少なくても使える
従来のAIは「大量の不良品画像が必要」でしたが、最新のAI技術では不良品の画像をAIが自動で生成して学習データを補完できます。「不良品が少なくてAI学習ができない」という問題が解消されつつあります。
また、ラベルに印刷された文字を読み取って正しいかチェックする機能も、学習なしで使えるようになりました。品種が変わっても設定変更なしで対応できます。
導入の進め方
相談（無料）
「こういう製品のこういう検査を自動化したい」をベンダーに伝える。サンプル画像を数枚送る。
検証（1週間）
ベンダーがサンプル画像で検査可能か評価。想定精度と推奨構成を報告。多くのベンダーは無料で対応。
PoC（2〜4週間）
実際のラインで小規模に試行。精度・速度を確認。このステップで「導入する/しない」を判断。
本導入（1〜3ヶ月）
システム設計・開発・設置・調整。オペレーター教育も含めて安定稼働まで支援。
費用の目安
| 構成 | 費用目安 | 対象 |
|---|---|---|
| シンプル構成（カメラ1台＋ソフト） | 200〜500万円 | 1品種・シンプルな検査 |
| 標準構成（カメラ＋照明＋AI＋排出装置） | 500〜1,000万円 | 多くのケース |
| 高機能構成（複数カメラ＋多品種AI＋PLC連携） | 1,000万円〜 | 多品種・複雑な検査 |
費用対効果の考え方
検査員の年間人件費（給与＋福利厚生）が1人あたり400〜500万円。検査員2名を削減できれば年間800〜1,000万円のコスト削減。つまり標準構成の導入費用は1年で回収できる計算。
よくある不安に答えます
「うちの製品は形がバラバラだから無理では？」
食品や農産物のように形にバラつきがある製品でも、AIは「正常な範囲のバラつき」を学習して検査できます。工業製品のように均一でなくても大丈夫です。
「専門知識がないけど運用できる？」
最新のシステムはブラウザ画面から操作でき、プログラミング知識は不要です。日常的な運用は現場のオペレーターで十分対応可能です。
「失敗したらどうしよう」
だから「PoC（小規模実証）」があります。本導入の前に小規模で効果を確認でき、ダメなら中止も可能。サンプル検証→PoC→本導入の段階的アプローチがリスクを最小化します。
「品種が多いのでコストがかさむのでは？」
最新AIなら品種追加のコストが劇的に低い。品種が10種類でも100種類でも、追加のたびに大きな費用は発生しません。多品種こそ自動化の恩恵が大きいです。
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、「外観検査の自動化は初めて」という方からのご相談を多く承っています。カメラの選び方がわからない段階からでも大丈夫です。
何から始めればいいかわからない方へ
検査対象の製品写真（スマホで撮ったものでOK）を送ってください。「自動化できるか」「どのくらいの精度が出そうか」「費用はどのくらいか」を1週間以内にお返しします。無料です。
写真を送って相談する →