外観検査のAI・装置の頼み先の選び方——5つの型と、見積で比べる項目

この記事は、目で見ている外観検査を画像と AI で自動化したいと考えた工場・商社の担当者が、どこに頼むかを決めるためのものである。始める前に何を決めるか（見逃してはいけない不良、入ってくる画像の条件、判定の境目、人の最終判断の残し方）は外観検査を AI で自動化する前に決めることで扱った。費用対効果の見積もり方は目視検査の自動化の費用対効果、システム会社への頼み方一般はシステム会社に頼む前に工場の業務を 1 つに絞るにある。ここでは、外観検査に固有の「頼み先の違い」と「比べ方」に絞る。

判定のソフトだけでは、検査は動かない

外観検査の自動化を「AI を入れる話」と捉えると、ソフトの会社を探すところから始めがちである。しかし画像で検査するには、少なくとも次の 4 つが揃っていなければならない。

• 撮る：照明、カメラとレンズ、ワークの位置決めと搬送
• 判定する：画像処理や AI のモデル、判定の境目の設定
• つなぐ：不良品をはじく機構、ラインの制御、結果の記録
• 保つ：品番の追加や材料の変更に合わせた学習のやり直し、照明の劣化や汚れへの対応

精密工学会の技術賞を受けた解説は、画像検査装置で傷の信号ができるだけ目立つように照明・光学系を工夫し、十分な解像度のカメラを用意することは可能になったのに、外観検査・目視検査の自動化はいまだに対象ごとの「一品一様」の開発で、必ずしも成功しないと書いている^[4]。人には傷が見分けられても、同じように傷だけを拾う画像処理を組むのは容易でない場合があるという^[4]。つまり、どの会社のソフトが良いかより先に、自社の部品と不良に合わせて撮り方から組み立てる仕事を誰がやるかが問題になる。

撮り方が判定を左右する例として、岐阜県産業技術総合センターの研究報告は、めっきした部品を普通のカメラとリング型の照明で撮ると、表面が平滑で光沢があるため鏡面反射のぎらつきが出たこと、偏光カメラだけでは抑えられず、照明側にも偏光フィルタを付けるとぎらつきは減ったが照明の映り込みが残り画像全体が暗くなったこと、最終的にフラットドーム照明を選んだことを報告している^[5]。同じ報告は、その画像に良品から外れたものを拾う型の異常検知の手法を当て、めっき不良を検出できることを確認している^[5]。照明の選定と判定の手法が、ひとつの研究の中で順に決まっている。

頼み先は 5 つの型に分けて考える

総務省・経済産業省の AI 事業者ガイドラインは、AI に関わる事業者を、AI システムを作る「AI 開発者」、AI システムを製品や既存のシステム、業務の流れに組み込んで届ける「AI 提供者」、事業の中で使う「AI 利用者」に分けている^[1]。そのうえで、一般には開発者が入出力の設計やモデルを動かす基盤を担い、提供者が画面の設計や既存の業務システムとの統合を担うので、AI システムの構築のすべてを開発者が担うと整理されているわけではない、と注記している^[1]。外観検査に置き換えると、頼み先の会社がこのどこを受け持つのかを確かめることになる。

表の 2 と 3 は、装置を納める会社がシステムインテグレーターを兼ねることもあれば、インテグレーターが判定部分を 1 の会社から仕入れることもある。名前ではなく、4 つの仕事（撮る・判定する・つなぐ・保つ）のどれを受け持つかで比べる。

段階ごとに、合う相手が変わる

経済産業省の担当課による講演資料（岩手県のサイトに掲載）は、AI の導入を、テーマを選ぶ構想段階、進め方を具体化する設計段階、モデルを作って精度を確かめる検証段階、運用のシステムを作る実装段階、運用しながら改善する運用段階の 5 つに分けている^[2]。同じ資料は、AI 導入で失敗する例として、AI を入れること自体が目標になっている、現場の声を聞かずに進めて反対にあう、目的を果たせるデータがそもそも無い、の 3 つを挙げ、令和元年度の同省の事業で 2020 年 1 月に行った中小企業の調査では、AI の導入率（導入が決まっている未導入企業を含む）が 3% 未満だったという結果も示している^[2]。

よくあるのは、検証段階の試し撮りで良い結果が出たのに、実装と運用の受け持ちが決まっていなかったという形である。試し撮りを無料や低額で受ける会社でも、本番の据え付けと運用を誰が受け持つかは別の話になる。試験導入を本番につなげる決め方は工場の試験導入を本番につなげるに書いた。

外に頼むときに渡すもの・受け取るもの

どの型の相手に頼むときも、最初に渡す情報の質で、見積の精度と試し撮りの意味が決まる。次の表は、外観検査の自動化を相談するときに揃えておくものと、相手から受け取っておくものである。

不良品の写真の集め方は不良品の写真の集め方、不良の境目を写真で決めるやり方は不良の境目を写真で決めるで扱っている。

何を渡せばよいか分からない段階から、相談できる→ 検品の自動化を相談する

見積は総額でなく、含む範囲で比べる

頼み先の型が違うと、同じ「外観検査システム一式」でも見積に入っているものが違う。並べて比べるときは、次の項目を行にした表を作り、各社の見積を埋めていく。

• 照明・カメラ・レンズ・治具・搬送の機器は含むか。選定だけか、調達と据え付けまでか
• 判定のソフトは買い切りか、年ごとの利用料か。台数や品番数で料金が変わるか
• 学習用の撮影と正解付けは、どちらの作業か。何枚まで含むか
• 試し撮りの結果が基準に届かなかったときに、次の段階に進まずに止められるか
• 品番の追加や材料の変更で学習をやり直すとき、自社で操作できるか、都度の依頼か
• 判定の境目を、自社で変えられるか。変えた記録が残るか
• 撮った画像と判定の記録はどこに保存され、契約が終わったときに手元に残るか

最後の 2 つは見落としやすい。判定の境目を相手しか変えられないと、不良の基準を見直すたびに依頼と費用が発生する。画像が相手の設備にしか残らないと、頼み先を替えるときに学習をやり直すことになる。

作ったモデルとデータの権利は、発注の時点で決める

自社の画像で学習させたモデルや、正解付けした画像の束を誰のものにするかは、後から話すと揉めやすい。取適法（中小受託取引適正化法）の対象になる取引では、公正取引委員会と中小企業庁のテキストが、情報成果物の作成を委託して受託側に知的財産権が発生し、それを発注側に譲渡・許諾させることを給付の内容に含めるなら、その譲渡・許諾の範囲を発注時に明示し、代金にその対価を加える必要があるとしている^[3]。後日、別の契約で対価を払って譲渡させる場合も、一方的に著しく低い対価を求めれば独占禁止法上の問題になるおそれがあるという^[3]。作成の目的の範囲を超えて知的財産権を無償で譲渡・許諾させることは、不当な経済上の利益の提供要請に当たる、とも書いている^[3]。

取引が取適法の対象になるかは、資本金や従業員の規模と取引の種類で決まる。自社の検査に使うソフトやモデルの作成を外に頼む場合は、自社でも同種のソフトやモデルを業として作っている会社が外注するときに限って対象になる（情報成果物作成委託の類型 3）^[3]。判定の手順は製造委託・修理委託・情報成果物・役務提供——どれに当たるかにある。対象でない取引でも、次の点は契約書か見積の条件に書いておくほうがよい。

• 自社の画像と正解付けのデータを、相手が他社向けの学習に使ってよいか
• 出来上がったモデルを、別の工場や別のラインで使ってよいか
• 契約が終わったときに、画像・正解・モデルのどれを引き渡すか

相手の既製のソフトに自社の画像を学習させる場合は、ソフトそのものの権利は相手に残るのが普通である。そのときに決めるのは、自社が渡した画像と、学習済みの結果をどう扱うかである。

使う側に残る仕事を、相手任せにしない

AI 事業者ガイドラインは、AI を使う事業者に対して、提供者が定めた使い方の留意点を守り、想定された範囲の中で使うこと、AI のシステムが想定された仕様どおりに動いているかを確かめること、提供者から受け取った文書を保管して活用すること、機密情報を不適切に入力しないことなどを求めている^[1]。役割の説明では、環境の変化などの情報を提供者と共有して正常な稼働を続けることも、使う側の役割に挙げている^[1]。

外観検査で言えば、材料の仕入先を替えた、塗装の色を変えた、照明を交換した、新しい品番を流し始めた、といった変化を頼み先に伝えるのは、使う側の仕事である。伝えないまま判定の精度が落ち、見逃しが出てから気づく、という順番を避けるために、変化を伝える窓口と、伝えたあとに何を確かめるかを、引き渡しのときに決めておく。人の確認を残す形と分担はAI と人の検査の分担で扱っている。

よくある質問

公設試験研究機関に相談してから、民間の会社に頼んでもよいですか

よい。都道府県の工業系の試験研究機関の中には、外観検査の画像処理を研究しているところもある^[5]。技術相談や依頼試験を受けるかどうか、その範囲と費用は機関ごとに違うので、先に問い合わせて確かめる。発注の前に「そもそも画像で見えるのか」「どの照明が合いそうか」を確かめる場として使える。ただし、ラインに据え付ける装置の製作や運用の保守までは受け持たないことが多いので、そこは民間の会社に頼むことになる。

ソフトの会社と装置のメーカー、どちらに先に声をかけるべきですか

撮る仕組みが既にあるか、ワークの形が決まって専用の装置を置けるかで決まる。どちらでもない、まだ何を対象にするかも決まっていない段階なら、どの型の相手にも先に、対象の品番と不良の一覧を書いて渡せる形にしておくほうが早い。

試し撮りの結果は、どこまで信用してよいですか

何個の良品・不良品で、どんな条件で試したかを必ず聞く。試し撮りでは、照明や置き方を整えた状態で撮ることが多い。ラインに置いたときの油や粉、外光、ワークの姿勢のばらつきが入っていなければ、本番の結果とは別物と考える。評価に使った画像を学習にも使っていないかも確かめる。

まとめ

外観検査の自動化は、撮る・判定する・つなぐ・保つの 4 つの仕事で成り立つ。頼み先は、ソフトの会社、装置のメーカー、システムインテグレーター、公設試験研究機関、自社の 5 つの型に分け、どこを受け持つかで比べる。段階ごとに合う相手は変わり、試し撮りで終わらないよう実装と運用の受け持ちを先に決める。見積は含む範囲を行にした表で比べ、判定の境目を自社で変えられるか、画像が手元に残るかを確かめる。モデルとデータの権利は発注の時点で決め、材料や照明の変化を伝える窓口は引き渡しのときに決めておく。

出典・参考資料

1. AI 事業者ガイドライン（第 1.2 版）本編（総務省・経済産業省／令和 8 年 3 月 31 日）
2. 中小企業における AI 導入の活用・促進 ～経済産業省の取組と事例紹介～（経済産業省 商務情報政策局 情報技術利用促進課／岩手県掲載資料・2021 年 8 月）
3. 中小受託取引適正化法テキスト「下請法」から「取適法」へ（公正取引委員会・中小企業庁／令和 7 年 11 月）
4. 目視検査作業の機械化を目指した人の検査メカニズムのモデル化 ―【傷の気付きアルゴリズム】技術開発―（輿水 大和・青木 公也・舟橋 琢磨・三和田 靖彦・石井 博行／精密工学会誌 83 巻 2 号／2017 年）
5. ものづくり現場における AI 技術の活用に関する研究開発（第 1 報）－めっき処理部品の外観不良を検出する画像検査システムの開発－（内野 義友輝・渡辺 博己／岐阜県産業技術総合センター研究報告 第 6 号）

WHITE PAPER

この記事の理解を深める
無料ホワイトペーパーをプレゼント

製造業の現場で使える実務資料（PDF）を無料でお届けします。"こんな資料が届きます" ↓ 下のボタンからどうぞ。

🔒 全文は無料ダウンロードで