リチウムイオン電池の電極(塗工)・セル外観検査をAI画像処理でどう設計するか。塗工ムラ、異物、エッジ欠け、しわの判別、高速ロールtoロールでの撮像、安全に直結する見逃し管理を、現場運用の観点から解説します。
リチウムイオン電池の製造は、銅箔・アルミ箔の集電体に活物質スラリーを塗工し、乾燥・プレス・スリット・巻回(または積層)を経てセルになります。この一連の工程のなかで、電極(塗工膜)の品質は電池の容量・寿命・そして安全性に直結します。外観検査が他の機械部品の検査と決定的に違うのは、「見逃しが発火・発煙といった重大事象につながり得る」点にあると考えます。だからこそ、過検出による歩留まり低下よりも、見逃しの管理を優先して設計する発想が必要になると考えられます。
電極に金属異物が混入すると、セパレータを貫通して正極・負極が接触し、内部短絡の起点になり得ます。これは充放電を繰り返すなかで顕在化することもあり、出荷時点では正常に見えても後から問題化する可能性があります。塗工ムラ(目付量のばらつき)は局所的な過充電・析出のリスクや容量ばらつきにつながり、エッジ欠けやバリは巻回・積層時のセパレータ損傷の原因になり得ます。つまり「外観上の小さな差」が、機能・安全上の大きな差になり得る領域だということです。
電極はロールtoロール(R2R)で連続的に流れ、ライン速度は工程によっては毎分数十メートルに達することもあります。静止画をじっくり撮るのではなく、流れ続ける帯状のワークを止めずに全数撮像し続ける必要があります。これは撮像系(カメラ・照明・同期)とデータ処理(リアルタイム性・保存帯域)の両面で重い制約になります。検査は「精度」だけでなく「速度に追従できるか」「全幅・全長をカバーできるか」を同時に満たす設計問題だと考えます。
電池電極の欠陥は、性質の異なるものが混在します。異物・コンタミは「小さく・まれで・コントラストが出にくい」ことがあり、エッジ欠け・バリは「輪郭の形状異常」、塗工ムラ・かすれは「面の濃淡の連続的な変化」、しわ・折れは「3D的な形状のゆがみ」です。これらを一つの検査ロジックで均一に扱うのは難しく、欠陥の種類ごとに撮像と判定を分けて考えることが現実的だと考えられます。本記事では、この「種類ごとの分解」を軸に整理していきます。検査の自動化を広く俯瞰したい場合は外観検査自動化の進め方も併せてご確認ください。
検査設計の出発点は、「何を、どの見え方で捉えるか」を欠陥ごとに言語化することだと考えます。撮像条件が合っていなければ、どれだけ高度なAIモデルを載せても欠陥は画像に写りません。逆に言えば、欠陥が「画像上で人にも見える状態」を作れれば、検査の半分は終わっていると言っても過言ではないと考えられます。ここでは代表的な4種類を分解します。
塗工ムラは活物質の塗布量(目付)が局所的に多い/少ない状態で、画像上は面の濃淡(明暗)の差として現れることが多いと考えられます。境界が明確な「欠け」ではなく、なだらかに変化する連続的な濃淡であるため、固定しきい値での二値化は不向きなことが多いです。エッジ部のかすれ(塗り際の薄れ)や、塗工開始/終了部の段差、ストライプ塗工の幅ばらつきなども同じ「面の検査」の系統に入ります。グレースケールの均一照明で面を撫でるように照らし、濃淡の空間分布を評価する設計が一案だと考えます。目付の絶対値管理は重量計測やX線・β線厚み計など別手段と役割分担し、画像は「分布の異常」を担うという切り分けも有効と考えられます。
異物は最も「見逃したくない」一方で、最も捉えにくい欠陥の一つです。黒い活物質面上の黒い異物、金属面上の金属片など、背景とのコントラストが出にくいケースが少なくありません。照明の角度を変える(明視野/暗視野の使い分け)、複数波長で撮る、偏光を使う、といった撮像の工夫で「異物だけが光る/影になる」条件を探すことが鍵になると考えます。ピンホール(塗り抜け)は透過照明で背後から光を当てると検出しやすくなる場合があります。異物検査は「アルゴリズムより先に照明」という典型例だと考えられます。
スリット(切断)後の電極エッジは、欠け・バリ・うねり・寸法ずれが起こり得ます。これらは輪郭(エッジ)の形状異常として現れるため、エッジを高コントラストで安定して撮ることが前提になります。バックライトでシルエットを撮る、あるいは高倍率のラインスキャンでエッジ直線性を測る、といった手法が考えられます。寸法許容(幅・直角度)との連携も重要で、画像から測長して規格と突き合わせる設計が有効と考えます。微細な変形・浮きの検出という観点では寸法検査の設計の考え方も参考になると考えられます。
しわ・折れは箔や塗工膜の3D的なゆがみで、平面の濃淡だけでは捉えにくいことがあります。斜め照明で陰影を強調する、ライン照明で表面の凹凸をハイライトする、複数方向から照らして影の出方を比較する、といった3D的な見せ方が有効と考えられます。たるみ・蛇行は搬送系の張力に起因することもあり、検査で検出しつつ工程側へフィードバックする設計が望ましいと考えます。欠陥の種類ごとに「最適な照明・角度が違う」ことが、後述する複数撮像・複数モデルの設計動機になります。
電池電極検査の成否は、撮像系の設計に大きく依存すると考えます。流れ続ける帯状ワークを、止めず・全幅・全長で捉えるには、カメラ・照明・同期・データ処理を一体で設計する必要があります。ここでは撮像系の主要な論点を整理します。
連続搬送の全幅・全長を切れ目なく撮るには、ラインスキャンカメラが適することが多いと考えられます。搬送速度に同期(エンコーダ連動)して1ラインずつ取り込み、長尺の画像として連続的に評価できるためです。一方、特定の欠陥を高分解能で見たい局所検査や、間欠搬送の工程では、エリアカメラ+ストロボの方が扱いやすい場合もあります。「全数の連続監視はラインスキャン、重点部位はエリア」という役割分担も一案です。いずれにせよ、要求分解能(何µmの欠陥を捉えたいか)から逆算して画素分解能・レンズ・カメラ台数を決める順序が重要だと考えます。
前章で見たとおり、塗工ムラには均一拡散照明、異物には暗視野や偏光、エッジには透過(バックライト)、しわには斜め(ローアングル)照明、と最適が分かれます。1台のカメラ・1種類の照明で全部を狙うと、どれも中途半端になりがちです。そこで、複数の照明・複数の撮像チャンネルを並べ、それぞれが得意な欠陥を担当する「多チャンネル撮像」の構成が現実解になりやすいと考えます。照明の安定性(光量・色温度のドリフト)は検査精度を静かに蝕むため、定期校正と監視の仕組みも併せて設計したいところです。継続的な状態監視の考え方は監視・運用サービスの領域とも重なります。
高速・高分解能・全幅をすべて最大にすると、データ量は膨大になります。毎秒数百MB〜GB級の画像ストリームを、リアルタイムに処理しつつ、欠陥前後だけ保存する、といった帯域設計が必要です。全フレームを保存しようとすると現実的でなくなるため、「リアルタイム一次判定→疑わしい箇所だけ高解像度保存・二次判定」という多段化が有効と考えられます。エッジ側で一次処理を完結させる構成は、レイテンシとネットワーク負荷の両面で利点があると考えます。エッジとクラウドの使い分けはエッジ/クラウド検査の比較で詳しく整理しています。
連続帯のどこに欠陥があったかを、後工程(スリット・巻回)やロール座標に正確に紐づけられないと、不良の隔離も原因究明もできません。エンコーダによる位置同期、ロール内座標の付与、欠陥マップの記録は、検査そのものと同じくらい重要なインフラだと考えます。これは後述する工程フィードバックや顧客監査対応の土台にもなります。
電池電極の検査では、「白か黒か」の二値判定だけでは取りこぼす情報が多いと考えます。塗工ムラやしわは程度問題であり、異物は大きさ・位置・材質で危険度が変わります。判定を「良否」ではなく「種類×程度(グレード)×位置」で構造化することが、安全管理と工程改善の両面で効くと考えられます。
面の濃淡(塗工ムラ)は、統計的な分布評価や正常モデルからの乖離(異常検知)が向くことがあります。輪郭(エッジ欠け)は形状・寸法の計測ベース、異物は局所コントラストの検出+分類、しわは陰影パターンの認識、と性質に応じて手法を選ぶのが自然だと考えます。すべてをディープラーニング一本で解こうとせず、ルールベースで安定して取れるものはルールで取り、判別が難しいものにAIを充てる、という役割分担が現実的です。AIと従来手法の使い分けはVLMとディープラーニングの比較でも触れています。
電池電極のように「正常品が大量にあり、不良がまれ」な状況では、欠陥サンプルを十分に集めてから分類器を学習するアプローチが立ち上げにくいことがあります。そこで、正常品の特徴を学習し、そこからの逸脱を異常として検出する教師なし/半教師ありの異常検知が有力な選択肢になると考えます。未知の欠陥にも反応し得る利点がある一方、「なぜ異常としたか」の説明が難しくなりがちなので、現場が納得できる見せ方の設計が併せて必要だと考えられます。
AI検査の判定には確信度(スコア)が伴います。このしきい値を、安全要求と歩留まりのバランスを取る「運用変数」として明示的に管理することが重要だと考えます。安全に直結する異物は感度を高く(過検出を許容)、コスメティックな軽微ムラは緩めに、といった欠陥別のしきい値設計が現実的です。しきい値は一度決めて終わりではなく、ロット傾向や季節変動を見ながら見直す前提で運用したいところです。判定根拠を現場が信頼するための見せ方は、説明可能性の運用設計という横断テーマとして別途深掘りする価値があると考えます。
電池電極検査で最も重い論点は、「見逃し(検出漏れ)をどこまで許容し、どう管理するか」だと考えます。一般に、検査には見逃し(本来NGを見逃す)と過検出(本来OKをNGと判定する)のトレードオフがあります。安全に直結する電池では、見逃しコストが過検出コストより圧倒的に大きいため、設計の重心を見逃し側に置くのが基本だと考えられます。
「歩留まりを上げたい」という現場圧力は常に存在しますが、安全欠陥に関してはそれに引きずられない設計が必要だと考えます。異物・金属コンタミのような重大欠陥は感度を最大限に取り、過検出は人による二次確認や再検査で吸収する、という前提を関係者間で合意しておくことが大切です。どの欠陥を「絶対に見逃してはいけない群」とし、どの欠陥を「程度管理でよい群」とするか、欠陥分類ごとにポリシーを文書化することを推奨します。
単一のカメラ・単一のモデルに全幅・全欠陥を委ねると、撮像条件の死角や苦手欠陥で取りこぼしが生じ得ます。複数チャンネル・複数モデルの結果を統合し、いずれかが反応したら止める(OR論理)といった冗長化で、重大欠陥の取りこぼしを減らす設計が考えられます。一方で過検出が増えるため、軽微欠陥には多数決やルール併用で過剰停止を抑える、といった欠陥別の統合ロジックが必要だと考えます。多段化・アンサンブルの判断は別途専門的に整理する価値のあるテーマです。
連続ラインを無人・夜間で回す場合、異常検出時に「止める/隔離する/通知する/翌朝確認する」という一連のフローを事前に設計しておく必要があります。誤判定で過剰に止まればライン稼働を損ない、逆に止まらなければ不良を流し続けます。疑わしいロール区間を物理的にマーキング・隔離し、翌朝に人が確認できる証跡(画像・座標・確信度)を残す、という責任設計が重要だと考えます。無人運転の運用設計は、検査精度とは別の「運用とガバナンス」の問題として捉えるべきだと考えられます。
万一の市場不具合時に、「どのロールの・どの座標で・どんな判定をしたか」を遡れる記録は、電池という製品では特に重要だと考えます。欠陥マップ、判定ログ、撮像画像、しきい値の設定履歴を紐づけて保存し、後から検証できる状態を保つことが、安全管理とトレーサビリティの両立につながると考えられます。データの蓄積・連携基盤の考え方は工場データ基盤の領域と重なります。
立ち上げ時に陥りやすい落とし穴を、現場目線で整理します。これらは技術というより「準備と前提」の問題であることが多く、先回りして潰しておくとPoCの成功率が上がると考えます。
電池電極検査の最終的な価値は、不良を弾くことだけでなく、得られたデータを工程改善に還元することにあると考えます。検査を独立した関門ではなく、製造全体の品質ループの一部として設計することで、見逃しコストと製造コストの双方を下げていく余地が生まれると考えられます。ここでは導入の進め方を段階で整理します。
最初から全欠陥・全幅・全速度を完璧に狙うのではなく、まず「最も重大で・最も判別しやすい欠陥」から着手するのが現実的だと考えます。例えば、安全直結の異物検出を最優先で立ち上げ、塗工ムラ・しわは程度管理として段階的に追加していく、といった順序です。各段階で見逃し率・過検出率・稼働への影響を実測し、しきい値と運用を調整しながら範囲を広げていくアプローチが、リスクを抑えつつ成果を積み上げられると考えられます。検査自動化の全体像は目視検査をAIで置き換えるも参考になります。
検出した欠陥を、種類・位置・頻度の傾向として可視化し、塗工・乾燥・スリット・搬送のどの工程に起因するかを推定して還元する。この回路があると、検査は不良を弾くだけでなく「不良を減らす」装置になります。しわが特定の張力条件で増える、ムラが特定ロットの材料で出る、といった相関が見えれば、工程パラメータの改善につながると考えられます。検査結果を原因究明と工程改善に結びつける設計は、横断的な品質ループの重要テーマだと考えます。
電池は顧客監査・規格要求の厳しい製品です。検査基準書、判定記録、トレーサビリティ、しきい値の変更履歴を最初から整備しておくと、後の監査対応がスムーズになると考えます。「検出できること」と「説明・記録できること」は別物であり、両方を初期から設計に含めることを推奨します。
ここまで述べた設計はあくまで一般論であり、実際の最適解は、対象の電極材料・塗工条件・ライン速度・要求分解能・既存設備によって大きく変わると考えます。Nsightでは、元キーエンス画像処理事業部出身の監修者の知見を踏まえ、カタログスペックや机上検討だけで判断するのではなく、現物のワーク・現ラインでの撮像検証(PoC)を通じて、見逃しコストと過検出コストのバランス、撮像系の実現性、速度追従性を一緒に確かめていくことを大切にしています。電池電極検査は安全に直結するからこそ、「現場で実際に見えるか」を確かめてから次に進む姿勢が欠かせないと考えます。具体的な検証の進め方はPoC・導入コンサルティングやAI外観検査サービスにてご相談いただけます。
検出可能なサイズは、要求分解能・撮像系・照明条件・背景とのコントラストに大きく依存するため、一概には言えないと考えます。重要なのは「捉えたい異物が画像上で人にも見える撮像条件」を作れるかどうかで、これは現物での撮像検証を通じて確かめるのが確実だと考えられます。背景と異物のコントラストが出にくい場合は、暗視野照明や偏光、複数波長といった工夫が有効なことがあります。
塗工ムラは境界が明確な欠陥ではなく程度問題のため、二値的な良否ではなく分布の異常やグレード(程度)として評価する設計が向くと考えます。正常品の面の濃淡を学習し、そこからの乖離を捉える異常検知が一つの選択肢です。ただし「どこまでを許容とするか」は製品要求次第のため、現場基準とのすり合わせが前提になると考えられます。
ライン速度・要求分解能・全幅という条件から、ラインスキャンカメラの選定、エンコーダ同期、データ帯域、エッジ処理構成を逆算して設計する必要があると考えます。オフラインの静止画で高精度でも、実速度の連続ストリームでは処理が間に合わないことがあるため、最初から実速度・実データ量で検証することを推奨します。
電池は安全に直結するため、一般に見逃しコストが過検出コストを大きく上回ると考えられます。したがって、異物などの重大欠陥は感度を高く取り過検出を二次確認で吸収する、軽微なムラは程度管理にする、というように欠陥別にしきい値と統合ロジックを分ける設計が現実的だと考えます。どの欠陥をどう扱うかは、関係者間で事前に合意・文書化しておくことが大切です。
重大欠陥ほど発生がまれで、サンプルが不足しがちです。対策として、正常品からの逸脱を捉える教師なし/半教師ありの異常検知の併用、疑似欠陥サンプルの作成、過去不良の体系的な保管などが考えられます。サンプル不足を前提とした設計から入り、運用しながら欠陥サンプルを蓄積・資産化していくアプローチが現実的だと考えます。
塗工ムラ・異物・エッジ欠け・しわの判別は、対象の材料とラインで「実際に見えるか」を確かめることが出発点だと考えます。元キーエンス画像処理事業部出身の監修者とともに、現物・現ラインでの撮像検証から一緒に進めます。
現物検証・相談をする