EN
率直にお話しします。新製品ラインの追加は喜ばしいマイルストーンではありますが、同時に深刻な課題を伴うこともあります。あなたのビジョン検査システムは、新しい部品を認識できません。また、「良品」と「不良品」の違いも理解していません。つまり、あなたがシステムにそれを教える必要があります。もし不適切な方法でトレーニングを行った場合、誤検出や欠陥の見落としが発生し、オペレーターのストレスも増大してしまいます。しかし、正しい手順に従えば、ビジョン検査システムのトレーニングは迅速かつスムーズに行うことができます。
準備はサンプル収集から始まります
システムに触れる前に、まずサンプルを収集する必要があります。これは最も重要なステップでありながら、人々が最も急いで行いがちなステップでもあります。そのような人になってはいけません。
複数種類のサンプルが必要です。まず、良品のサンプルを収集します。品質基準を満たす製品の画像をわずか数枚だけ用意するだけでは不十分です。数十枚、あるいは数百枚必要になる場合もあります。用意する画像の数が多ければ多いほど、システムは「許容範囲内」という概念をより正確に理解できるようになります。また、これらの良品サンプルには、色調のわずかな違い、位置の微小なずれ、または質感の軽微な変化など、実際の検査で想定される通常のばらつきも含まれている必要があります。訓練データに完璧な部品のみを含める場合、ビジョン検査システムは、見た目がわずかに異なるすべての部品を拒否してしまいます。たとえそれが実際にはまったく問題ない状態であってもです。
第二に、不良品を収集します。ご自身にとって重要な欠陥タイプごとに包括的なリストを作成してください。このリストには、傷、亀裂、部品の欠落、色違い、ラベルの位置ずれなどが含まれる場合があります。収集する欠陥事例の種類が多様であるほど、システムが検出対象をより正確に学習できます。ある研究では、事前に学習済みの欠陥検出モデルが、適切な数の新規サンプルと少量のファインチューニングを受けることで、新製品への適応が可能であることが示されています。ただし、「適切な数」とは「最小限の数」を意味するものではありません。質の低いデータセットでは、結果もやはり低品質なものになりますので、明確に定義されたサンプルを十分に準備してください。
迅速な導入には「クイックティーチ」機能をご利用ください
サンプルデータセットの準備が整ったら、いよいよシステムへの学習を行います。幸運なことに、ほぼすべての最新式ビジョン検査システムには、「クイックティーチ」または「ワンボタンティーチ」と呼ばれる内蔵機能が備わっています。これにより、新製品ラインの追加作業が大幅に簡素化されます。
クイックティーチは、欠陥のない部品の基準画像を取得し、その画像に基づいてシステムパラメータを自動的に設定する仕組みです。システムはこの基準画像を分析し、主要な特徴を測定して許容差を適用します。ユーザーが数値を手動で入力したり、しきい値の適切な位置を推測したりする必要はありません。システムが負荷の大きい作業をすべて代わりに実行します。
この手法は、外観がすべて同一の部品のロットを迅速に検査する場合に非常に有効です。たとえば、同一形状のプレス加工金属部品や射出成形プラスチック部品を検査する際、クイックティーチを用いれば、数時間かかる設定作業を数分で完了できます。一部の最新式カメラでは、数枚のサンプル画像から自動的に学習することにより、設定時間を数時間からわずか数分まで短縮します。重要なのは、使用する基準画像が、その後検査対象となるロット内の部品の外観を正確に反映していることです。
部品の外観にばらつきがある場合は、標準ティーチへ切り替えてください
クイックティーチには欠点があります。部品の外観に著しいばらつきがある場合、クイックティーチは良品を過剰に不合格と判断する傾向があります。そのような場合は、システムが複数回の部品検査を通じて学習する必要があります。
スタンダードティーチは異なる方式で動作します。単一の基準画像を用いる代わりに、良品のバッチ全体をシステムに通して検査を行います。ビジョン検査システムはそれらすべてを分析し、自然なばらつきを測定した上で、許容範囲内に収まるよう公差を設定します。この方法により、システムは完璧な実験室環境ではなく、実際の生産条件において「良品」とはどのようなものかを学習します。
ティーチングプロセス中に使用できるサンプルの数には制限がありません。良品をシステムに多く提示するほど、システムは「許容範囲内」と判断する基準をより正確に理解します。ここで、プロのヒントをひとつ：標準的なティーチングを行う際は、必ず良品のみを使用してください。万が一、不良品を混入させてしまうと、システムはその欠陥を「許容可能」と学習してしまい、その後の検査結果が混乱することになります。
必要に応じて手動で調整する
場合によっては、自動ティーチングだけでは十分ではありません。対象部品に複雑な形状や特徴があると、システムが正確に認識できないことがあります。このような場合には、パラメーターを手動で調整する必要があります。
ほとんどの画像検査システムでは、各ツールに直接アクセスし、設定を手動で調整できます。たとえば、検査対象領域（ROI）の指定、許容誤差の閾値変更、あるいは合格／不合格判定ロジックの微調整などが可能です。この作業にはやや時間がかかり、一定の経験も必要ですが、最も高い制御性を実現できます。極めて高精度が求められる用途、あるいはごくわずかな誤差も許されないようなアプリケーションにおいては、手動調整による追加の労力は十分に価値があります。
既存の製品と類似した新製品を扱う場合、既存の検査プロセスを出発点として活用することで、大幅な時間短縮が可能なことがあります。転移学習に関する研究によると、旧製品で訓練されたモデルは、比較的少量の新しい訓練データのみで新製品へ適応可能であり、98％以上の精度を維持できます。つまり、常にゼロから始めなければならないわけではありません。既存のモデルを基盤として構築していくことが可能です。
複雑な検査にAIを活用する
従来のビジョン検査システムは、固定ルールに依存しています。「傷の長さがXミリメートルを超えていますか？」「色がYの範囲外ですか？」といった判定です。これは単純な検査には十分に有効ですが、欠陥が不規則・不均一であったり、固定ルールで記述することが困難な場合には、従来型のシステムは性能を発揮しづらくなります。
AIを活用した画像検査は、従来の常識を覆します。このシステムは、あらかじめ定義されたルールに従うのではなく、実際の事例から学習します。ユーザーが数百枚あるいは数千枚の良品および不良品の画像を示すと、システムは自らパターンを抽出・理解します。AIを活用した画像検査は、製品品質の維持および廃棄ロスの最小化を目指す製造事業者にとって特に有効です。また、製品仕様の変更にも非常に柔軟に対応できます。一部のプラットフォームでは、教師あり学習と教師なし学習の両方のAI技術に加え、ルールベースのツールを組み合わせることで、誤検出（偽陽性）を低減し、欠陥品が顧客へ届くことを防止しています。
今日のシステムの素晴らしい点は、使いやすさです。一部のカメラには、わずか数枚のサンプル画像から自動的に学習する内蔵AIが搭載されており、長時間に及ぶ手動設定の必要がなくなりました。使いやすいインターフェースにより、照明の調整から基準画像の登録に至るまで、設定プロセスの各ステップがオペレーターに案内されます。ビジョン検査の経験が限られているオペレーターでも、堅牢な検査プロセスを構築できます。
テストおよび検証は不可欠です
ここでは、多くの人が重大な誤りを犯します。システムを訓練し、簡単なテストを実行した後、そのまま本番稼働に移行してしまうのです。これは非常に大きな誤りです。
ビジョン検査システムを無人で運用する前に、適切に検証する必要があります。既知の良品および既知の不良品のロットをシステムに通して確認し、すべての欠陥を検出できるかを確認してください。また、良品を誤って拒否しないかも確認してください。偽陽性（誤棄却）率が高すぎる場合は、許容範囲（トレランス）を再調整してください。見逃し率が高すぎる場合は、トレーニング用データセットにさらに不良品サンプルを追加してください。
ここでは、概念実証（PoC）アプローチが非常に有効です。新設ラインのすべての検査工程を一度に自動化しようと試みる代わりに、まず1つの重要な検査ポイントから始めましょう。良品および不良品の「ゴールデン・データセット」を収集し、その実現可能性を検証した上で、その後に段階的にスケールアップします。このステップを正しく実施することで、最終的には多額のコスト削減につながります。
継続的な改善を計画する
ビジョン検査システムのトレーニングは、単発の作業ではありません。製品仕様は変化します。サプライヤーも変化します。生産条件も変化します。そのため、検査システムもこれらに追随し、常に最新の状態を維持する必要があります。
継続的なトレーニングのためのプロセスを構築します。システムが見逃した新たな種類の欠陥を発見するたびに、その画像をトレーニングデータセットに追加して再学習を行います。製品設計を変更するたびに、基準画像を更新します。一部の高度なシステムでは、時間の経過とともに製品の変動に適応する「継続的学習（Continuous Learning）」機能を提供しています。システムへのトレーニングを重ねるほど、その性能は向上します。
この点を正しく実施しているメーカーは、実際に顕著な成果を上げています。AIを活用したビジョン検査により、欠陥の早期検出、迅速な根本原因分析、および効率性の向上と廃棄ロスの削減を実現するリアルタイムかつ実行可能なインサイトが得られます。YIHUI社は、こうしたトレーニング原則を念頭に置いてビジョン検査装置を設計しており、機械・電子・航空宇宙・自動車産業など幅広い分野のメーカーが新製品ラインをより迅速に立ち上げ、稼働させることを支援しています。結局のところ、ビジョン検査システムの性能は、そこに投入されるトレーニングの質に等しいのです。正しく実施すれば、それは今後長年にわたり貴社のブランドを守り続けます。