ふるい試験は数十分〜数時間に一度のサンプル。その間、ベルトを流れ続ける骨材や鉱石の粒度は誰も見ていません。カメラとAIで搬送中の粒径分布・形状・異物を連続把握できれば、品位管理はどう変わるのか。撮像・処理・運用の勘所を、現場の手触りとともに整理します。
砕石・骨材・セメント原料・鉱石・石炭・クリンカーといった粒状材料の生産では、粒度（粒径分布）が品質そのものを左右します。コンクリート用骨材なら粒度分布が施工性や強度に、鉱石やクリンカーなら後工程の粉砕・焼成の効率に直結します。この粒度を管理する標準手段が、今も多くの現場でふるい試験（篩分析）です。試料を採取し、目開きの異なるふるいに通し、各段に残った質量から粒度分布を求める——確立された信頼性の高い方法です。
一方で、ふるい試験は本質的にサンプル検査です。採取から結果が出るまでには相応の時間がかかり、しかも数十分〜数時間に一度といった間隔でしか実施できません。その合間にも、原料や製品はベルトコンベアを絶え間なく流れ続けています。破砕機の摩耗、原料ロットの変動、含水率の変化などで粒度が振れたとき、次のサンプルが出るまでその変動は数値として残りません。結果が出た頃には、外れた材料はとうに下流へ流れ、出荷されているかもしれない——これが多くの生産技術者が抱える構造的な悩みだと考えられます。
加えて、採石場やセメント・鉱山系の現場は、慢性的な人手不足と高齢化のただ中にあります。試料採取そのものが粉塵・重量物・稼働設備の近くという負担の大きい作業であり、粒度や異物の「良し悪し」を目視で経験的に判断する熟練も、退職とともに失われつつあります。省人化・省力化の圧力は年々強まっており、限られた人員で品位を安定させる仕組みが求められている、というのが上流にある社会課題だと考えます。
ここで生まれるのが「点の検査を、線の把握で補えないか」という発想です。ベルトコンベア上を流れる材料をカメラで連続的に撮像し、粒径・形状・色・異物混入を画像AIで推定できれば、ふるい試験の合間を埋める連続監視になりうる。全量を横目で見続ける“もう一人の検査員”を、無人で置くイメージです。
画像で粒状材料を扱う前に、何を数値化したいのかを分解しておく必要があります。現場で「粒度を見たい」と言われる中身は、実際には複数の異なる指標が混ざっていることが多いからです。
第一に粒径分布。個々の粒の大きさを推定し、全体の分布（累積通過率のようなカーブ）として捉える指標です。第二に粒子形状。同じ粒径でも、扁平・細長・角ばりの度合いは骨材品質に効きます。アスペクト比や角張度を画像から推定する試みは、ふるいでは得にくい情報でもあります。第三に色・テクスチャ。鉱石の品位変動、クリンカーの焼成状態、石炭とズリ（不純物）の判別など、色や表面の質感が材料の質を示すケースです。第四に異物・過大粒（オーバーサイズ）。想定より大きな塊、混入した金属・木片・プラスチックなどの検出です。
重要なのは、これらは「同じカメラで撮れば全部わかる」わけではないという点です。粒径分布を安定させたい要求と、微小な異物を1個も見逃したくない要求とでは、必要な解像度も照明も処理も変わります。まず優先順位を決めることが、撮像設計の前提になると考えます。この考え方は画像による寸法・粒径計測の基礎とも共通し、何をもって「1個」と数え、どこを「境界」とするかの定義づけが出発点になります。
見落とされがちですが、ふるい試験が測るのは「メッシュを通過できるか」という三次元的なふるまいであるのに対し、カメラが測るのは基本的に上から見た投影面積・投影径です。細長い粒は、縦に立てばふるいを通り、寝ればカメラには大きく写ります。つまり画像から得た粒径とふるい値は、そのままでは一致しません。両者を突き合わせるには、実材料でのキャリブレーションと相関式の構築が不可欠であり、この工程を省くと「AIの数値がふるいと合わない」という壁に必ずぶつかると考えられます。
粒状材料の画像計測は、アルゴリズムより先に「そもそも撮れる画になっているか」で勝負が決まる、と言っても過言ではありません。元キーエンス画像処理事業部での現場経験から言えるのは、良い画さえ取れれば処理は素直になり、悪い画は後段でどれだけ工夫しても限界がある、ということです。ここでの製造業のビジョンAI活用例の勘所は、鉱業・骨材の現場にもそのまま効いてきます。
粒状材料の敵は、粒同士が作る影と、濡れた表面のハレーション（テカリ）です。影が濃いと、影を「隙間」や「小さい粒の境界」と誤認しがちで、粒径分布が実際より細かく出てしまうことがあります。逆にテカリが強いと、白飛びして輪郭が溶けます。対策としては、拡散させた面光源で影を弱める、複数方向から照らして片影を打ち消す、といった産業用ライティングの設計が効きます。屋外や半屋外のヤードでは外光の変動も大きく、遮光やシャッタースピードの管理も含めた光のコントロールが、実は最も地道で最も重要な工程になると考えます。
「最小何mmの粒を、何個ぶんの画素で捉えたいか」から必要解像度を逆算します。異物1個を見つけたいのか、分布の傾向を掴みたいのかで、要求は大きく変わります。またベルト上の材料は山状に盛られて高さのばらつきがあり、被写界深度が浅いと山の頂上と裾でピントが外れます。さらに高速搬送では露光中に粒が動いてブレるため、短い露光でも十分な光量を確保する照明とセットで考える必要があります。高速・重なり環境での連続画像処理の考え方は、コンベア上の連続画像処理で扱った「重なり」「流速」への対処と地続きです。
良い画が取れたら、次は粒を「1個ずつ」認識し、大きさを数値化する処理です。ここでVLMを含む画像AIが力を発揮する領域ですが、粒状材料ならではの難所があります。
ベルト上の材料は、粒がびっしり接触し、しばしば重なり合っています。単純な二値化では、接触した複数の粒が一塊に融合して「巨大な1粒」に見えたり、逆に一つの粒の模様が複数に割れたりします。個々の粒を分離する処理（セグメンテーション）の精度が、粒径分布の正確さをほぼ決めます。深層学習ベースの手法は接触粒の分離に強みがありますが、材料の種類・色・光沢が変われば再学習や調整が必要になることが多く、汎用の既製モデルをそのまま当てて即精度が出る、という期待は持たない方が現実的だと考えます。
最も正直に伝えるべき限界は、カメラは山の表面に露出した粒しか見られないという点です。ベルトに厚く盛られた材料の内部は写りません。表面と内部で粒度が偏っている（偏析している）と、表面画像だけで全体を代表させるのは危うい。この偏りを緩和するには、材料が薄く広がる落下点や排出口で撮る、単層に近づける払い出し機構を設ける、といった撮像位置の工夫が効きます。「全量を見ている」と言えるのか「表面を連続サンプリングしている」のか、その立て付けを正直に定義することが、後の数値の信頼性を左右すると考えます。
画素を実寸に換算するスケール校正は、材料の山の高さで見かけの倍率が変わるため、平面のキャリブレーションだけでは不十分なことがあります。最終的には、同じ材料流について画像値とふるい値を同時に取得し、両者を突き合わせて相関式を作り込む——この地道な現物合わせが数値の命綱です。ここを飛ばした「AIの数値」は、現場では信頼されません。逆にここを丁寧にやれば、連続監視の値として十分に使える水準に近づきうると考えます。
採石・鉱山・セメントの現場は、オフィスや清潔な検査室とはまるで違います。粉塵が舞い、振動があり、温度差が激しく、しばしば24時間連続で稼働します。ここで機材が止まらず、画が破綻せず、値がドリフトしないことが、実務では精度と同じくらい重要になります。
粉塵環境で最初に効いてくるのが、カメラ窓・レンズの汚れです。数時間で保護ガラスに粉が積もり、画がかすみ、輪郭が鈍り、いつの間にか値が偏る。エアパージ（清浄空気の吹き付け）で汚れの付着を抑える、汚れの進行を画像自身で監視して閾値で清掃アラートを出す、といった仕組みを最初から織り込んでおかないと、「導入直後は良かったのに、しばらくして合わなくなった」という典型的な失望につながると考えられます。
連続撮像の画像を常にクラウドへ送るのは、通信量・遅延・可用性の面で現実的でないことが多い現場です。Jetson等の産業用エッジで推論まで現場完結させれば、ネットワークが不安定でも止まらず、リアルタイムに近い応答で粒度の変化を返せます。既存のベルトラインに大掛かりな改造をせず、カメラ・照明・エッジ機を後付けする——こうしたエッジAIレトロフィットのアプローチは、稼働を止めにくい生産設備と相性が良いと考えます。計測・検査向けの画像AIプロダクトとしての実装はVision AI製品の枠組みで整理しています。
異物・過大粒の連続検出という観点では、粒状品のインライン検査で共通する設計課題が多く、粉体・粒状品の異物検査で扱ったベルト搬送の連続検査の考え方が骨材・鉱石にも応用できます。粒度計測と異物検出を同じ撮像系に相乗りさせられるかは、優先順位と要求解像度の兼ね合いで判断することになります。
最後に、骨材・鉱石の粒度画像計測でつまずきやすい点を正直に挙げます。ここを知った上で始めるかどうかで、プロジェクトの成否が分かれると考えます。
以上を踏まえると、進め方は「いきなり全ライン自動化」ではなく、小さく検証して確かめながら広げる形が現実的だと考えます。
最初にやるべきは、実際のベルト・実際の材料・実際の粉塵と照明条件で撮ってみることです。どの粒径まで安定して見えるか、重なりはどの程度分離できるか、外光や濡れで画が破綻しないか——これらは机上では判断できず、現物の画を見て初めて分かります。ここで得た客観的な画像データが、「そもそも成立するか」「どの指標なら実用に届きそうか」を判断する土台になります。
撮像が成立しそうなら、次に同一材料流で画像値とふるい値を並行取得して相関式を作り込みます。その上で、まずは絶対値の代替を狙わず「傾向監視」——粒度が普段より細かい/粗い方向へ動いた、過大粒や異物が増えた、といった変化の検知から実装するのが堅実です。変化を早期に掴めるだけでも、破砕機の異常や原料変動への初動が早まり、ふるい試験の合間の空白を埋める価値が出てくると考えられます。そこから精度と対象指標を段階的に広げ、最終的に品位管理や選別制御へつなげていく——この段階的な育て方が、過酷な現場で機能させる近道だと考えます。
どの指標を優先し、どの撮像位置で、どこまでの精度を狙うか。これらは材料と設備によって最適解が変わるため、一般論だけでは決まりません。まずは自社の材料とラインで撮ってみて、見えるものと見えないものを客観的に確かめるところから始めるのが、遠回りに見えて最短だと考えます。
原理が異なるため、そのままの完全代替は現実的でないと考えます。ふるいは目開きの通過ふるまいを、カメラは主に投影像を測るため、両者は現物での相関づけをして初めて突き合わせられます。まずはふるい試験の合間を埋める連続監視・傾向把握の補完として位置づけ、段階的に精度を高める進め方が堅実だと考えます。
必要解像度・照明・搬送速度・粉塵条件に依存するため、一律の数値は申し上げにくいのが実情です。最小何mmの粒を何画素で捉えたいかから逆算して設計します。実際の材料とラインで撮像テストを行い、どの粒径まで安定して見えるかを現物で確かめることが出発点になりうると考えます。
カメラが見られるのは山の表面に露出した粒のみで、内部は写りません。表面と内部で粒度が偏っていると表面画像は全体を代表しにくくなります。落下点や排出口など材料が薄く広がる位置で撮る、単層に近づける工夫をするなど、撮像位置の設計で偏りを緩和する考え方が重要だと考えます。
粉塵によるレンズ・保護窓の汚れは値のドリフトを招くため、エアパージや画像自身による汚れ監視・清掃アラートを最初から織り込む設計が前提になります。振動・温度差・24時間稼働への耐性も含め、現場環境を見据えた機材選定と運用設計をすれば、過酷な環境でも機能させうると考えます。
カメラ・照明・エッジ機を後付けするレトロフィット型のアプローチは、稼働を止めにくい生産設備と相性が良いと考えます。省人化・生産性向上に関する各種支援制度が対象になる場合もありますが、適用範囲や金額・要件は変わりうるため、所管省庁や自治体の最新の公表資料でご確認ください。
骨材・鉱石の粒度画像計測は、机上より先に「現物の画が撮れるか」で成否が決まります。元キーエンス画像処理事業部の現場知見とVLM・Jetsonエッジ・産業用ライティングを組み合わせ、実際の材料と搬送条件での撮像テストから、成立性を客観的に見極めます。まずは現状と課題をお聞かせください。
骨材・鉱石の粒度計測について相談する