Automated Visual Inspection System Deployment

Overview

AI と画像処理を組み合わせた 自動外観検査設備の実導入 に携わりました。
約 3 年間で 3 つの検査設備 を立ち上げ、いずれも実運用環境で稼働するシステムとして導入しています。

各設備では、

• AI による官能検査（外観・状態の判断）
• 画像処理による寸法検査（幾何・数値条件）

を役割分担させ、
現場要件に耐える検査ロジック を構成しました。

---

Background / Problem

製造現場における検査工程では、以下のような制約が常に存在します。

• タクトタイム・安定稼働が最優先される
• 誤検出・見逃しの影響が工程全体に波及する
• 官能的な判断（人の目）が必要な項目が残る
• 寸法や位置など、数値で定義できる項目も混在する

AI 単体で全てを解決しようとすると、

• 説明性・再現性が不足する
• 現場での調整やトラブル対応が難しい
• 導入後の改善が属人化する

という問題が顕在化しやすく、
AI と従来の画像処理をどう組み合わせるか が重要な設計課題でした。

---

Approach & System Design

本プロジェクトでは、
「AIに任せる部分」と「ルールで定義すべき部分」を明確に分離 する方針を採用しました。

Role Separation

• AI Inspection
  • 外観のばらつきや官能評価が必要な項目を担当
  • 完全な決定ではなく「判定支援」として設計
• Image Processing
  • 寸法・位置・形状など、数値条件で定義可能な検査を担当
  • 再現性と説明性を重視

この分離により、

• AI の不確実性を限定的な範囲に閉じ込める
• 現場での調整・保守を容易にする
• 全体としての検査信頼性を確保する

というバランスを実現しました。

---

Deployment Characteristics

3 つの検査設備は、それぞれ条件や制約が異なりましたが、
共通して以下の点を重視しました。

• 安定稼働を最優先
  • 精度よりも「止まらない」「挙動が予測できる」ことを重視
• 現場調整を前提とした設計
  • 閾値・判定ロジックを調整可能な形で実装
• Human-in-the-Loop
  • AI 判定結果を人が確認・判断できる導線を残す
  • 誤判定時の原因追跡が可能な構成

---

Role

• 検査要件整理（官能検査 / 寸法検査の切り分け）
• AI 検査ロジックと画像処理ロジックの統合設計
• 現場環境を考慮したシステム全体構成の設計
• 実設備への導入・立ち上げ・調整対応
• 導入後の改善点整理と次設備への横展開

---

Result / Impact

• AI と画像処理を組み合わせた検査ロジックが、実運用環境で安定稼働
• 官能検査の自動化により、人の負荷を軽減
• 寸法検査は従来手法を活かし、説明性・再現性を維持
• 複数設備への展開を通じて、設計パターンを蓄積

---

Lessons / Insights

• 現場導入では、AI 精度より 運用時の安定性と説明性 が重要
• 「AI で全部やる」より
  AI と画像処理の役割分担 が現実的
• 官能検査の自動化には、必ず Human-in-the-Loop が必要
• 現場で得た制約理解が、
  後の 学習プラットフォーム設計の前提 になった

---

Tech Stack (Abstracted)

• Inspection Logic: AI-based visual inspection + rule-based image processing
• Learning Strategy: Human-in-the-Loop
• System Integration: Industrial inspection system
• Deployment: On-site production environment