「今日のこの焼き色、OKなのかNGなのか」——同じパンを見ても人によって判定が割れる。焼き菓子の割れや形崩れも、どこまでが許容範囲なのか言葉にできない。この記事では、感覚に頼った選別のどこが揺れているのかを分解し、焼き色や形状を画像で客観化する考え方と、自然なばらつきを許容する設計の勘所を整理します。
焼き上がったパンや焼き菓子を目の前にして、ベテランが「これはちょっと焼きが強いな」と一言。でも新人には、そのパンと隣のOK品の違いが分かりません。翌日、同じくらいの焼き色のものを新人が通したら、別のベテランに「これはダメでしょう」と戻される——。パン・焼き菓子の外観選別の現場では、こうした「人によって判定が割れる」状況が日常的に起きていると考えられます。
背景には、いくつかの構造的な事情があります。まず焼成という工程は、生地の状態・オーブン内の位置・当日の湿度や気温で、同じレシピでも仕上がりが一つずつ違います。次に、パンや菓子は「自然な表情」があるからこそ商品価値があり、工業製品のように寸分違わぬ均一を目指すものではありません。そして選別の現場は人手が慢性的に足りず、経験の浅い作業者が判定を担わざるを得ない場面が増えています。
つまり「連続的にばらつく対象を」「均一化ではなく許容範囲で」「経験の差がある人が」判定している。この三つが重なると、基準が人の頭の中にしか存在しないまま運用が回り、判定のブレやクレーム、あるいは過剰に厳しく弾いてしまう歩留まりロスにつながっていくと考えられます。
「外観で選別したい」とひとくくりにされがちですが、実際に困っている症状を分けて見ると、必要な確かめ方が変わってきます。ここでは代表的な三つを分解します。
「焼きが甘い」「焦げすぎ」の判定は、実は色の明るさ（明度）と色味（色相・彩度）の話です。人の目は照明や周囲の色に引きずられやすく、朝と夕方、蛍光灯とLEDでも同じパンが違って見えます。ベテランの判定が正しくても、その日の見え方に左右されている可能性は否めません。焼き色は本来、面全体にわたる連続的な分布として捉えるのが素直だと考えられます。
膨らみ不足、片側だけ盛り上がった、成形時のよじれ——形の問題は、輪郭の面積・高さ・左右対称性・アスペクト比といった幾何的な量に落とし込めます。ただし手成形のパンは「揃っていないこと」自体が自然なので、どこからが『崩れ』でどこまでが『個体差』かの線引きが最大の論点になります。
クッキーの割れ、パイの層の欠け、表面のひび。これらは「意図した割れ目（クープやひび模様）」と「不良としての割れ」を区別する必要があり、位置・向き・深さの文脈まで見ないと判定できないケースがあります。単純な傷検出では、狙って入れた模様まで弾いてしまう恐れがあると考えられます。
このように、同じ「外観選別」でも、焼き色は色分布、形状は幾何量、割れは文脈依存の検出、と性質が異なります。まず自社で困っているのがどれか、複数ならどれが流出リスク・歩留まりロスの主因かを切り分けることが、方式選びの前段になると考えます。
感覚を客観化する第一歩は、判定対象を測れる量に変換することです。焼き色なら、パンの領域を切り出したうえで明度・色相のヒストグラムを取る。同じ製品でも「良品はこの明度帯に集まる」「焼きすぎはこちらに寄る」といった分布が見えてくると、判定の根拠を数字で共有できるようになります。
形状は、輪郭を抽出して面積・周囲長・重心・左右の対称度などを算出します。膨らみ不足なら面積や高さが小さい側に、よじれなら対称度が崩れる側に分布が寄る、といった具合です。数値になっていれば「なんとなくおかしい」を「対称度がこの範囲を外れている」と言い換えられ、人が納得しやすくなります。
一方で、焼き菓子のように「意図した割れ模様と不良の割れが混在する」「同じ製品でも表情が毎回違う」対象は、単純なルールだけでは切りにくい領域です。ここで、画像そのものの意味を捉えるVLM（Vision Language Model）的なアプローチや、良品の見え方を学習させる方式が候補になります。私たちは元キーエンス画像処理事業部の現場知見をベースに、VLM・産業用カメラ・現場ライティングを組み合わせて、こうした「言葉にしにくい良否」をどう扱うかを検討しています。異物・印字・包装を含む食品の外観検査全体については食品外観検査で整理しています。
重要なのは、数値化はゴールではなく「議論のたたき台」を作る作業だという点です。数字が出ても、そのどこに線を引くかは人が決めます。だからこそ、まず現物を撮って分布を見る——ここを飛ばして「AIが自動で良否を判定します」と考えると、期待とのズレが後で表面化しやすいと考えられます。
工業部品の検査は「規格から外れたものを弾く」発想が中心ですが、パン・焼き菓子ではこの発想が過剰弾きを生みがちです。一つずつ違う表情が正常なので、狙いを反転させ「自然なばらつきの範囲を先に定義し、その外にあるものを候補として上げる」という設計のほうが、現場の実感に合うと考えられます。
従来の限度見本は「これ以上焦げたらNG」という一点や数枚の写真で運用されがちですが、画像化するなら「良品群がこの範囲に広がっている」という分布として持てます。良品を数十〜数百個撮って分布の輪郭を描き、その裾のどこを閾値にするかを、クレーム実績や社内基準と照らして決めていく。線を一本引くのではなく、良品の広がりを可視化してから引く、という順序が肝だと考えます。
OKとNGのあいだには、必ず「どちらとも言い切れない」帯が残ります。ここを無理に二値化せず、「自動でOK」「自動でNG」「人が最終確認するグレー」の三層で運用すると、流出リスクを抑えつつ現場の納得も得やすくなります。グレー帯を狭めるほど自動化は進みますが、その分、見逃しか過剰弾きのどちらかにしわ寄せが行くため、どこを許容するかは経営判断に近い設計事項になると考えられます。
多品種を扱う工場では、製品ごとに許容範囲が異なるため、この分布と閾値の設計を品種ごとに持つ必要が出てきます。品種切替の頻度が高い現場での考え方はmulti variety inspection foodでも触れています。
どれだけ良い判定ロジックを組んでも、入力となる画像が日によってバラつけば、数値もバラつきます。特に焼き色は照明の影響を強く受けるため、光源の種類・角度・強さを一定に保つことが、色を数値化する前提になります。窓からの外光が入る場所や、季節で色温度が変わる照明は、そのまま判定精度の揺れにつながると考えられます。
焼きたての湯気や表面の照りも曲者です。湯気は画像を白く曇らせ、油脂の照り（テカリ）は光を反射して局所的に明度を飛ばします。撮影のタイミング（冷却後に撮るか）、照明の拡散（テカリを抑える面光源にするか）、撮影位置（コンベア上か棚か）といった段取りは、判定ロジックと同じくらい結果を左右します。ここは元キーエンス画像処理事業部で培った現場ライティングの知見が効いてくる領域だと考えています。
運用面では「基準は一度決めたら終わり」ではありません。原材料ロットの違い、オーブンの経年、レシピ改良で、良品の分布そのものが少しずつ動いていきます。定期的に良品を撮り直して分布を更新する仕組みまで含めて設計しておくと、導入直後は合っていたのに数ヶ月で合わなくなる、という事態を避けやすいと考えられます。食品工場全体の自動化の流れはfood factory inspection automationもあわせてご覧ください。
パン・焼き菓子の外観選別を画像化するとき、期待と現実がズレやすい点をあらかじめ挙げておきます。どれも「やってみないと分からない」部分を含むため、正直に共有します。
ここまで見てきた通り、パン・焼き菓子の選別は「線をどこに引くか」が本質で、それは現物を見ないと決まりません。だからこそ、いきなり全ラインを自動化する前に、対象を絞って小さく確かめる進め方を推奨します。
具体的には、まず困りごとの主因（焼き色か・形状か・割れか）を一つ選び、良品と限度見本、可能な範囲の不良を撮影して分布を見る。そのうえで、自然なばらつきの範囲がどこまでで、閾値をどこに置けば流出と過剰弾きのバランスが取れそうかを、現場の実感と照らして評価します。この段階で「そもそも画像で切れる対象なのか」「どの方式が向くのか」が見えてきます。
検査可否と方式を先に小さく検証する進め方はPoC・検査方式設計として整理しています。撮影環境・照明・判定ロジック・グレーゾーン運用まで含めて、御社の現物で確かめてから本格導入を判断する——この順序が、期待とのズレを最小化する現実的なロードマップだと考えます。
感覚に頼った選別を否定する必要はありません。ベテランの目には、数値化しきれない価値があります。目指すのは、その暗黙知を分布と限度見本として言語化・可視化し、誰が担当しても同じ基準で選別でき、かつ自然なばらつきを尊重できる状態です。その出発点は、いつも一つ——現物を客観的に撮って、いまの判定がどう分布しているかを把握することだと考えられます。
パンの領域を切り出したうえで、明るさ（明度）や色味（色相・彩度）の分布をヒストグラムとして捉えるのが基本的な考え方です。良品群がどの範囲に集まり、焼きすぎ・焼き不足がどちらへ寄るかを可視化することで、判定の根拠を数字で共有できるようになります。ただし照明を一定に保つことが前提で、光源が変わると数値も揺れる点に注意が必要だと考えられます。
形が揃っていないこと自体が自然な商品では、均一化を目指すのではなく「良品の自然なばらつきの範囲」を先に定義し、その外側を候補として上げる設計が向くと考えられます。良品を多数撮って分布を描き、どこを許容範囲とするかを現場基準と照らして決める順序が肝要です。どこまでが個体差でどこからが形崩れかは現物でしか決まらないため、小さく検証してから判断することをおすすめします。
意匠としての割れ目・ひび模様と、不良としての割れは、位置・向き・文脈まで見ないと区別が難しい場合があります。単純な傷検出だと狙った模様まで弾いてしまう恐れがあるため、何が意匠で何が欠陥かを人が定義したうえで、画像の意味を捉えるアプローチを検討する形になります。実際に切れるかは対象次第のため、現物での検証が前提だと考えます。
割れや焦げは意図的に作りにくく、現場では良品ばかりが溜まりがちです。この場合、良品の分布から外れを検出する方式や、不良の作り込み・生成といった工夫が候補になります。ただしどの方式が向くかは対象と歩留まりの状況で変わるため、まず手元のサンプルを撮って分布を把握し、方式を選ぶ進め方が現実的だと考えられます。
OKとNGのあいだには、どちらとも言い切れないグレーゾーンが必ず残ります。これを無理に二値化するより、「自動でOK」「自動でNG」「人が最終確認するグレー」の三層で運用するほうが、流出リスクと過剰弾きの両方を抑えやすいと考えられます。人の目の暗黙知を分布として可視化し、判定を支援する位置づけから始めるのが現実的です。
焼き色・形状・割れのどれが主因かを切り分け、良品と限度見本を撮って「いまの判定がどう分布しているか」を客観的に把握するところから始められます。元キーエンス画像処理事業部の現場知見とVLM・現場ライティングをもとに、御社の現物で確かめてから方式を判断します。
焼き菓子の外観選別について相談する