高さ・体積・断面積——2D検査では捉えられない欠陥を3Dで検出する。パターンプロジェクション法の仕組み、2D検査との違い、3Dロボットビジョンの活用方法を元キーエンス技術者が解説。
2次元の画像検査（濃淡による検出）では、以下のような検査が困難です。
コプラナリティ（端子の高さ揃い）は2D画像では判断不可能。
はんだ量の過不足を濃淡だけで判定するのは不安定。
ワークの模様と同系色の欠陥は2Dでは区別困難。
表面状態に影響されやすい2D検査では安定しない。
複数のストライプパターン（縞模様）を対象物に投光し、その反射光をカメラで受光。投光と反射のパターン変化を解析して3次元画像を生成します。複数方向からの投光により死角がなく、高精度な3次元情報を取得できます。
| 項目 | 2D検査 | 3D検査 |
|---|---|---|
| 取得情報 | XY＋濃淡 | XYZ（高さ情報あり） |
| 端子浮き検査 | 不可能 | 高さで定量判定 |
| はんだ量検査 | 不安定 | 体積で定量判定 |
| 表面模様の影響 | 影響を受ける | 影響を受けにくい |
| 処理速度 | 高速 | やや遅い |
| コスト | 低い | 高い |
3Dカメラとロボットを組み合わせたバラ積みピッキングも実用化が進んでいます。CADデータからサーチモデルを自動登録し、ワンクリックのキャリブレーションで立ち上げが可能な時代になっています。
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、2D検査では対応できない高さ・体積を使った検査にも対応。ルールベースの3D検査とAI外観検査を組み合わせたハイブリッドシステムの設計が可能です。「2Dで検出できない欠陥がある」という場合は、3D検査の検討をおすすめします。
ルールベース＋従来AIで検査を行い、VLMは「学習コストを下げる武器」として裏方で活用します。NG画像生成・アノテーション自動化・ブラウザベースの学習機能の3つをパッケージ化していく方針です。これらの機能により、お客様にとっての使いやすさを高めると同時に、各現場の検査データを蓄積できる構造を作ります。
賞味期限・ロット番号・産地情報等の日本語テキストを読み取り、マスターデータと照合する用途です。VLMが学習なしで文字の位置と意味を理解するため、品種が変わっても設定変更なしで対応可能です。
サンプル画像をお送りいただければ、検査精度の無料検証を実施します。
2D画像では識別できない立体形状・寸法・凹凸を判定する場合、3D外観検査技術が必要になります。製造業のなかでも特に高精度を要求する業界で標準化が進んでいます。
2台のカメラで視差から3次元情報を復元。コスト効率良いが精度に限界（±0.1mm程度）。
パターン光を投影してその歪みから3次元形状を取得。高精度（±0.01mm）達成可能。
レーザー光と検出位置から距離計算。線状計測に適し、ライン上を移動しながら3D取得。
光の飛行時間から距離計測。広範囲・高速だが精度は中程度（±1mm）。
焦点位置から距離検出。極微小領域の超高精度（±0.001mm）に対応。
| 業界 | 主要用途 | 推奨方式 |
|---|---|---|
| 自動車部品 | プレス品形状・はめあい | 構造光・ステレオ |
| 電子部品 | はんだ高さ・実装 | 共焦点・構造光 |
| 樹脂成形 | 反り・変形・寸法 | 構造光・レーザー |
| 食品 | 盛付け・容量 | ToF・ステレオ |
| 建材 | 表面凹凸・段差 | レーザー・構造光 |
従来の3D検査は「寸法測定」が中心でしたが、3Dデータをディープラーニング・VLMで解析する手法が急速に進化。表面欠陥分類・形状異常検出・パターン識別など、2Dでは困難な判定が3D AI で実現可能になりました。
| 方式 | 機器費用 | 導入工数 |
|---|---|---|
| ステレオ | 50〜200万円 | 1〜2ヶ月 |
| 構造光 | 200〜800万円 | 2〜4ヶ月 |
| レーザー三角 | 300〜1,000万円 | 2〜4ヶ月 |
| 共焦点 | 500〜2,000万円 | 3〜6ヶ月 |
― 注意 上記コストはあくまで一般的な参考レンジです。実際の費用は検査対象・品種数・設備規模・要件により大幅に変動します。正確な見積もりは個別ヒアリング後にご提案します。
3D計測装置は、定期的なキャリブレーション運用が精度維持の必須条件です。標準的なサイクルは、月次でドリフト確認、四半期で標準ゲージによる校正、年次でメーカー派遣による全面校正。校正記録の保管とトレーサビリティ確保が、品質保証の前提となります。校正をサボると、徐々に精度が低下し気づかないうちに不良流出リスクが増大します。
3D AIの最新トレンドは、ディープラーニングと3Dデータの統合活用です。従来の3D計測は「寸法測定」が中心でしたが、3Dデータをディープラーニング・VLMで解析する手法が急速に進化。表面欠陥分類、形状異常検出、パターン識別など、2Dでは困難だった判定が3D AIで実現可能になりました。今後5年でこの領域の技術革新が継続して進む見込みです。
3D検査は半導体・電子部品から始まり、自動車・航空宇宙・医療機器・建設業へ展開しています。業界横断的なベストプラクティスの蓄積が進み、新業界への展開コストが大幅に低下しています。
高さや体積の判定が必要な場合、2D検査では検出困難な表面欠陥がある場合、ワークの模様と同系色の欠陥を検出したい場合に有効です。
2D検査と比べてカメラとコントローラーのコストは高くなりますが、目視検査の人件費削減や不良品流出防止を考慮するとROIが出るケースは多いです。
ToF・ステレオ・光切断・レーザーなどがあり、対象形状と精度要求で選定します。
可能です。同一カメラで両方の判定を実行するハイブリッド構成が一般的です。
3Dシミュレーションで学習データを生成する手法と、実測データで学習する手法があります。