スマホで画像検査スタートアップ（個数検査/有無検査編）

2023年12月号

　　従来行われてきた人による目視検査では、疲労や集中力の低下による検査精度の低下や、人手不足の中で人的コスト高騰の課題があり、近年、これらの課題に対する解決策として画像検査による自動化が注目されています。
　今号から複数回にわたって、ローコストかつ手軽に導入できる当社の画像検査製品の特徴やメリットについてご紹介いたします。

AI（機械学習）画像検査の導入ハードル

　上記の課題を解決する技術としてAI（機械学習）による画像検査が期待されています。AI画像検査は高度な検査を自動化できるメリットの反面、導入にかかるコストの負担から断念してしまう企業も少なくありません。

　当社では、上記の様なコスト負担の問題の解決策として、従来の画像検査の手法である「ルールベース」を基本とし、スマートフォンを用いたシンプルなハード構成でローコストかつ手軽に有無検査や並び順検査、個数検査などの画像検査を可能にした製品「MoMaVi」をリリースしました。

AI画像検査とルールベース画像検査の違い（メリット・デメリット）

　AIによる画像検査と、 MoMaViが採用するルールベースでの画像検査のそれぞれのメリット、デメリットを（表1）に示します。

表1　AIによる画像検査とルールベースでの画像検査の違い

カテゴリ	メリット	デメリット	どのような時に適しているか
AIによる画像検査	●検査ルールの設定工数や専門知識を削減できる ●検査の精度を向上させることができる ●24時間365日連続で稼働させることができる	●学習データの準備が必要 ●検査対象の特徴が変化した場合、再学習が必要 ●初期投資額・運用費用が高い	●検査対象の製品が複雑な形状をしている ●検査条件が頻繁に変化する場合 ●検査対象の異常が、人による目視検査では見つけにくい場合
ルールベースでの画像検査	●導入コストが低い ●学習データの準備が不要 ●検査ルールの変更が容易	●検査ルールの設定工数や専門知識が必要（MoMaViではGUIで簡単に） ●検査精度が低下する可能性がある ●検査対象の特徴が変化した場合、検査ルールを再設定する必要がある	●検査対象の製品がシンプルな形状をしている ●検査条件が安定している ●検査対象の異常が、人による目視検査でも見つけやすい場合

MoMaViの特長「設定の手軽さ」

　表1にもあるように、ルールベースでの画像検査では、検査対象の特徴を人間が定義し、その特徴に基づいて検査ルールを設定します。

　検査対象の特徴を正確に把握し、適切な検査ルールを設定できるかが重要になります。　MoMaViの特長として、従来専門知識や設定のための手間と時間が必要であったルールベースでの検査ルール登録をGUIで簡単に行なうことができることが挙げられます。各種フィルタ機能により、様々な物質・形状の対象物にも対応可能です。

　さらに登録内容を検査シナリオとして複数登録し、適宜呼び出して利用することができます。

ルールベースでの画像検査方法

　ルールベースでの画像検査では、二値化とブロブ解析の2つの技術がよく用いられます。ここで、二値化とブロブ解析の役割について説明いたします。

二値化とは

　二値化は、画像の輝度値をしきい値に基づいて2つの値に分割する処理です。これにより、画像内の対象物と背景を識別しやすくなります。

ブロブ解析とは

　ブロブ解析とは、画像内の連続した画素の集合を検出する処理です。ブロブ（Blob）とは、画像上の塊のことで、英語で「液滴」や「かたまり」という意味です。画像検査においては、画像上の対象物や異常を検出するために用いられます。ブロブ解析を行うことで、画像内の物体や形状などの情報を抽出することができます。