プロジェクション溶接ナット／ウェルドナットの有無・位置・座り・ネジ通りをどう検査するか。自動車部品のナット付け忘れや斜め付きが流出する理由と、画像AIで合否を見極める設計の勘所を、元キーエンス出身者の視点で解説します。
自動車のボディやブラケット、シートフレーム、サスペンション周辺の部品には、後工程でボルト締結するための「溶接ナット（ウェルドナット）」が多数取り付けられています。多くはプロジェクション溶接によって母材（プレス板金）の穴位置に固定され、その後の組立ラインでボルトやスタッドが通されて、別部品が締結されます。つまり溶接ナットは、それ自体が完成品ではなく「次の締結を成立させるための前提」であるという性格を持ちます。
この「前提部品」という性格こそが、不良流出の難しさにつながっていると考えられます。ナットが1個欠けていても、位置が少しずれていても、斜めに座っていても、その部品単体は一見すると問題なく見えてしまいます。不具合が表面化するのは、はるか後工程でボルトを締めようとした瞬間、あるいは最終ユーザーが整備でボルトを締め直そうとした瞬間であることが少なくありません。発見が遅れるほど、手戻りの範囲とコストは大きくなる傾向があります。
溶接ナットの不良は、おおむね次のように切り分けて考えると整理しやすいと考えます。第一に「付け忘れ（欠品）」。複数のナットを連続で打つ部品では、1点だけ抜けることがあり得ます。第二に「位置ズレ」。本来の穴位置からオフセットして溶接され、ボルトが斜めにしか入らない状態です。第三に「斜め付き・座り不良」。ナットが母材面に対して傾いて溶着し、ネジ軸が面直になっていない状態です。第四に「ネジ通り不良」。スパッタやバリ、溶接時の熱変形でネジ山が潰れ、あるいは母材穴とナット穴がずれて、タップやボルトが通らない状態です。
これらは原因も見え方も異なります。付け忘れは「ある／ない」の二値に近く比較的判定しやすい一方、斜め付きやネジ通りは連続量であり、どこからを不良とするかの閾値設計が問われます。一つの検査ロジックで全部を見ようとすると、どこかに無理が出る可能性が高いと考えられます。
従来、これらの確認は作業者の目視や、ネジゲージ（通り側／止まり側）の挿入、あるいは治具によるボルト仮締めで行われてきました。いずれも有効な手段ですが、課題もあります。目視は付け忘れの確認には向くものの、わずかな斜め付きや位置ズレを定量的に判定するのは難しく、判断が人によってばらつきやすい傾向があります。接触ゲージは確実性が高い反面、全数・全ナットに挿入すると工数が大きく、タクトに収まらない場合があります。サンプリング検査に切り替えると、今度は流出リスクが残ります。
こうした背景から、「画像で非接触に、全数を、できるだけ定量的に」確認したいという要望が出てきます。ただし画像検査にも固有の難しさがあり、安易に導入すると過検出や見逃しに悩む結果になりかねません。本記事では、溶接ナット検査を画像AIで成立させるための考え方を、撮像・判定・運用の順に整理していきます。関連して、金属部品全般の検査論点は金属部品の外観検査でも扱っています。
溶接ナット検査をうまく設計する第一歩は、「何を合否の対象にするか」を曖昧にしないことだと考えます。現場では「ナット検査」とひとことで言われがちですが、その中身は前章で挙げたとおり複数の検査が束ねられています。これらを最初から分けて定義しておくと、必要なカメラ・照明・アルゴリズムが見えやすくなります。
もっとも基礎になるのが有無検査です。設計上、その部品にナットが何個・どの位置に付くべきかは決まっています。撮像した画像の中で、想定位置それぞれにナットの特徴（六角や四角の外形、中央のネジ穴、プロジェクション部の痕跡）が存在するかを確認します。ここで重要なのは、ナット単体を画面いっぱいに撮るのではなく、母材の基準形状（穴・エッジ・打ち抜き形状）と一緒に撮ることです。基準があると、「この穴にはナットが付くべき／付かないべき」という設計情報と突き合わせられ、付け忘れと余計な付加の両方を判定しやすくなると考えます。
次に座り検査です。ナットが母材面に対してまっすぐ（面直に）座っているか、片側が浮いていないか、傾いていないかを評価します。これは平面的な2D画像だけでは判定が難しい場面があり、斜めからの陰影、複数方向の照明、あるいは高さ方向の情報が手がかりになります。座りの良し悪しは連続量なので、「何度以上の傾きを不良とするか」「どの程度の浮きを許容するか」を、図面公差や後工程の締結条件と擦り合わせて決める必要があると考えます。ここを現物なしに机上で決めるのは難しく、検証を通じて閾値を固めていくのが現実的です。
三つめがネジ通り検査です。ここは画像検査がもっとも慎重になるべき領域だと考えます。ネジ山が通るかどうかは本来「通り側ゲージが入るか」という機能的な事実であり、画像はその代理指標にしかなりません。画像でできるのは、ネジ穴の内部にスパッタや潰れ、明らかな変形がないか、母材穴とナット穴の同軸性が保たれているか、といった「ネジ通り不良につながりやすい要因」を捉えることです。これらと機能ゲージを完全に等価とみなすのは危険であり、重要保安部品では画像とゲージ・締結トルクの併用を前提に置くべきだと考えます。
このように検査対象を三層に分けると、すべてを一台のカメラで賄おうとする無理が見えてきます。有無は俯瞰の広角で、座りは斜光や複数方向で、ネジ通りは穴内部に踏み込んだ撮像で——といった役割分担が、結果的に判定の安定につながると考えられます。撮像と判定の役割分離という考え方は、外観検査自動化の進め方でも基本線として触れています。
溶接ナット検査の成否は、アルゴリズムよりもまず撮像・照明で決まる側面が大きいと考えます。対象は無塗装の鋼板やめっき面、油の付いた金属であることが多く、強い反射（テカリ）や、逆に陰になって黒く潰れる領域が同居します。ここを整えないまま画像だけをAIに渡しても、安定した判定は望みにくいと考えられます。
金属面の反射は厄介な一方で、座りや傾きの情報を含んでいます。面直に座ったナットと斜めに座ったナットでは、特定方向から光を当てたときのハイライトの出方が変わります。これを利用するのが、照明方向を制御するアプローチです。リング照明・バー照明・同軸落射照明・ローアングル（斜光）照明などを、検査したい不良モードに合わせて使い分けます。たとえば座りの傾きを見たいなら斜光で陰影を強調し、有無と位置を見たいなら均一なリングや同軸でフラットに照らす、といった具合です。複数の照明条件で連続撮像し、それぞれの画像を別々の判定に使う設計も有効だと考えます。
座りや浮きのように「面の傾き・凹凸」を捉えたい場合、複数方向から順番に照明して撮った画像群から面の法線方向を推定する手法（フォトメトリックステレオ的なアプローチ）が手がかりになることがあります。これにより、単一画像では見えにくい微妙な傾きや片浮きを強調できる可能性があります。ただしタクトとの兼ね合い（複数枚撮像の時間）や、対象の表面状態によって効きが変わるため、現物での検証が前提になると考えます。
ネジ通り系の要因（穴内のスパッタ・潰れ・同軸ズレ）を見るには、穴の真上から内部に光を届かせる必要があります。同軸落射照明や、ナット穴径に合わせた狭い照射が役立つことがあります。ただし穴が深い、径が小さい、奥のネジ山まで写し込みたい——といった要求が強い場合、2D画像だけでは限界があり、機能ゲージとの併用を前提に「画像は要因のスクリーニング」と割り切る判断も必要だと考えます。撮像系の構成は、ハードウェア統合の観点でカメラ・照明・トリガを含めて一体で設計するのが現実的です。
部品がライン上で毎回まったく同じ位置・姿勢で止まるとは限りません。搬送のがたつきや治具のクリアランスにより、撮像ごとに対象がずれます。そこで、母材の穴やエッジ、打ち抜き形状を基準にして画像内で位置合わせ（アライメント）を行い、「検査すべきナット位置」を毎回正しく切り出すことが重要だと考えます。この基準合わせが甘いと、本来ナットがある位置を外して見てしまい、付いているのに「無い」と誤判定する過検出につながりかねません。
撮像が整ったら、次は判定です。溶接ナット検査では、すべてをディープラーニングや生成AIに任せるのではなく、不良モードごとに「向いた手法」を割り当てる発想が有効だと考えます。手法の使い分けについてはVLMとディープラーニングの違いでも整理しています。
付け忘れと位置ズレは、比較的ルールに落としやすい不良です。基準合わせで切り出した各ナット位置に対し、ナットの外形やネジ穴を検出し、「想定座標からの距離」「外形が検出できたか」を数値で評価します。ここは古典的な画像処理（パターンマッチング、エッジ・円検出）でも相当程度カバーでき、学習データが少ない立ち上げ初期でも動かしやすい利点があります。検出が不安定な対象（表面状態のばらつきが大きい、向きが多様）では、物体検出系のAIを併用して頑健性を上げる、という段階的な強化が現実的だと考えます。
座り不良は、良品の見え方を学習して逸脱を捉えるアプローチと、傾き・浮きを直接定量化するアプローチを組み合わせると安定しやすいと考えます。前者は多数の良品画像から「正常な座りの陰影パターン」を学び、そこからの乖離をスコア化します。後者は、前章の多方向照明などで得た面の傾き情報を角度として出し、公差と突き合わせます。定量指標があると、なぜ不良なのかを人が説明しやすく、閾値の調整も合理的に行えるという運用上の利点があります。
近年は、画像と言語を結びつけて柔軟に判断するVLM（Vision Language Model）を検査に使う動きもあります。溶接ナット検査においてVLMが活きるのは、たとえば「多品種少量で、品種ごとにナット個数・配置が違う」ような、ルールを品種分だけ作り込むのが重くなる場面だと考えられます。品種情報と図面的な指示を与え、「この部品ではこの位置にナットが何個あるべき」という文脈に基づいた確認を行わせる、といった使い方に可能性があります。一方で、わずかな傾き角の定量や、ネジ穴内の微小なスパッタ判定のような「精密な計測」では、専用の画像処理や機能ゲージのほうが向く場面が多いと考えます。VLMは万能ではなく、得意領域に絞って組み込むのが現実的です。エッジでのVLM活用はエッジVLMでも扱っています。
自動車部品では、なぜそのワークをOK／NGと判定したのかを後から説明できることが重要になります。判定スコアだけでなく、どの位置のどの指標が閾値をどれだけ超えたか、判定に使った画像はどれか、といった根拠を残す設計を最初から織り込むべきだと考えます。これはトレーサビリティの観点でも、誤判定が出たときの原因究明の観点でも効いてきます。データの蓄積・管理は工場データ基盤の論点ともつながります。
溶接ナット検査を画像AIで立ち上げる際、過去のさまざまな外観検査と同様に、いくつか繰り返し起きやすい失敗パターンがあると考えます。導入を検討する段階で、あらかじめ想定しておくと回避しやすくなります。
これらはいずれも、アルゴリズムの優劣以前の「設計と運用の詰め」に属する論点です。PoC（試行導入）でつまずく要因の多くもここに集中します。失敗要因の整理はAI検査PoCがうまくいかない理由でも詳しく扱っています。
検査が技術的に成立しても、量産ラインで安定して回り続けなければ意味がありません。溶接ナット検査を運用に乗せ、さらに他部品へ横展開していくための実務的な観点を整理します。
いきなり全不良モードを高精度で検査しようとせず、効果が大きく確実性の高いところから始めるのが現実的だと考えます。たとえば、まず「付け忘れ（欠品）」を全数で確実に止めることを第一目標に置き、座り・ネジ通り要因は並行して精度を高めていく、という順序です。最初から完璧を狙うより、止めたい不良の優先順位を決めて段階導入するほうが、現場の納得とデータの蓄積を両立しやすいと考えます。
量産では、設備の経時変化、治具の摩耗、ロット間の表面差などにより、画像の見え方が少しずつ変化していきます。立ち上げ時に決めた閾値が、半年後も最適とは限りません。判定スコアの分布を継続的にモニタリングし、過検出・見逃しの傾向が出ていないかを監視する仕組みを最初から組み込むことが重要だと考えます。状態の継続監視はモニタリングの枠組みで設計できます。
自動車部品は同じ設備で複数品種を流すことが多く、品種ごとにナットの個数・配置・サイズが異なります。品種切替のたびに検査プログラムを一から作り直す運用は負荷が高いため、品種情報（生産指示やバーコード等）と検査条件を紐づけ、切替を自動化できる設計が望ましいと考えます。品種が多い検査の考え方は多品種検査でも整理しています。横展開の段階では、同種の不良モードを持つ他部品（ブラケット類、フレーム類）へ撮像・判定の枠組みを再利用できると、立ち上げのたびの作り込みを減らせると考えられます。
検査結果は、ライン制御や記録系に渡って初めて価値になります。NG時に後工程へ流さないためのインターロック、結果のトレーサビリティ記録、上位への通知などを、既存のPLCや生産管理と無理なくつなぐ必要があります。後付けで既存ラインに検査を組み込むケースでは、エッジAIレトロフィットのように、設備を大きく作り替えずに検査機能だけを追加するアプローチが現実的な場合があると考えます。
ここまで、溶接ナット検査を「有無・座り・ネジ通り」に分け、撮像・判定・運用の各段階で何が論点になるかを整理してきました。最後に、実際に導入を検討する際の進め方を示します。
まず、自社のどの部品の、どの不良モードを、どこまで止めたいのかを現物で定義します。付け忘れだけで十分なのか、斜め付きやネジ通りまで踏み込むのか。これによって必要な撮像系も投資規模も変わります。良品と、できれば実際に発生した不良品（あるいは意図的に作った不良サンプル）を持ち寄り、何をNGとするかの合意を取ることが出発点になると考えます。
次に、実際の部品で撮像し、照明・カメラ・判定の効きを確かめます。机上のスペックや他社事例だけで「できる／できない」を判断するのは難しく、対象の金属面の反射やばらつきは現物でしか分かりません。表面状態の幅・品種の幅を含めたサンプルで検証し、過検出と見逃しのバランスを実際の画像で見極めることが、後の量産トラブルを減らす近道だと考えます。検証の進め方はPoC支援として伴走できます。
検査の見込みが立ったら、NG時のフロー、記録、PLC連携、品種切替、閾値の監視までを含めて運用を設計します。検査単体ではなく、ラインの中で持続的に回る仕組みとして組み上げることが、投資を成果につなげる条件だと考えます。
Nsightは、元キーエンス画像処理事業部出身のメンバーが、撮像・照明・判定の設計を含めて検査の立ち上げに関わります。溶接ナットのように「有無は見えるが、座りやネジ通りは一筋縄でいかない」対象は、カタログスペックだけで結論を出すのが難しい領域です。だからこそ、現物・現場での検証を通じて、何が見えて何が見えないのかを一緒に確かめることを大切にしています。本記事の内容も一般論として整理したものであり、最終的な可否は対象部品ごとの検証が前提になると考えます。溶接ナットの検査でお困りの点があれば、まずは現物を前提にしたご相談から始めていただければと考えます。関連して、金属部品全般はAI外観検査でも対応しています。
付け忘れは流出時の影響が大きい重要な不良モードであり、まず確実に止める価値は高いと考えます。ただし実際の不良には、位置ズレ・斜め付き（座り不良）・ネジ通り不良も含まれます。有無検査だけを導入して「ナット検査は完了」とみなすと、本当に止めたかった不良を見逃す可能性が残ります。優先順位をつけて段階的に範囲を広げる進め方を、現物を見ながら一緒に検討することをお勧めします。
画像でできるのは、ネジ穴内のスパッタ・潰れ・変形や、母材穴とナット穴の同軸ズレといった「ネジ通り不良につながりやすい要因」を捉えることだと考えます。これは有効なスクリーニングになりますが、「ボルトが実際に通る」という機能そのものを直接保証するものではありません。重要保安部品では、画像と機能ゲージ・締結トルクの併用を前提に設計するのが安全だと考えます。どこまで画像で担保し、どこから機能確認に委ねるかは、対象部品ごとの検証で見極めるのが現実的です。
狙いが異なります。溶接ビードの検査は「溶接そのものの品質（ビード形状・溶け込み・割れなど）」を見るのに対し、溶接ナット検査は「ナットという部品が正しく付いているか（有無・位置・座り・ネジ通り）」を見ます。撮像条件も判定指標も別物になりやすいため、両者を一つの検査で兼ねようとせず、目的に応じて分けるほうが、過検出と見逃しの両方を抑えやすいと考えます。
品種ごとにナットの個数・配置・サイズが異なるため、それぞれに応じた検査条件は必要です。ただし、品種切替のたびにプログラムを一から作り直す運用は負荷が高いため、生産指示やバーコードといった品種情報と検査条件を紐づけ、切替を自動化できる設計を最初から織り込むことをお勧めします。品種が多い場合の考え方は多品種検査のページでも整理しています。
精度は、対象部品の形状・表面状態・不良モード・求める厳しさ・タクトなどに大きく左右されるため、一般論として確定的な数値を申し上げることは控えています。出典のない数値をお伝えするより、実際の現物で撮像・判定を検証し、過検出と見逃しのバランスを実画像で確認したうえでお示しするほうが誠実だと考えます。まずは良品・不良サンプルを前提にした検証から始めることをお勧めします。
付け忘れ・位置ズレ・斜め付き・ネジ通り——どこまで画像で止められるかは、対象部品ごとの現物検証でしか分かりません。元キーエンス画像処理事業部出身のメンバーが、撮像・照明・判定の設計から伴走します。良品・不良サンプルを前提にしたご相談からお気軽にどうぞ。
現物検証を相談する