段ボール・紙器の多色印刷で起きる見当(レジストレーション)ズレ、カスレ、色差、汚れをAI画像検査でどう捉えるか。フレキソ・オフセットの版起因の欠陥、検査設計の勘所、現場で陥りやすい落とし穴までを、断定を避けつつ実務目線で整理します。
段ボールや紙器(紙箱・紙器パッケージ)の印刷工程では、フレキソ印刷やオフセット印刷、グラビア印刷といった方式で、複数の色版を順番に刷り重ねていきます。多色印刷である以上、各色の版がわずかでも相対的にずれれば、デザインの輪郭が二重に見えたり、文字の周囲に意図しない色がにじんだように見える「見当(けんとう)ズレ」、いわゆるレジストレーションエラーが発生します。これは印刷物の品質に直結する代表的な欠陥のひとつと考えられます。
段ボール印刷で見当ズレが起きる原因は単一ではありません。版胴やアニロックスロールの摩耗、刷版の伸び、用紙(ライナー)の伸縮、テンションの変動、波形段ボール特有の「洗濯板現象(ウォッシュボード)」による表面の凹凸など、機械要因と材料要因が複合します。とりわけ段ボールは表面が完全な平面ではなく、中しん(波)に沿った周期的な起伏を持つため、印刷の乗りやインキの転移が不均一になりやすい素材だと考えられます。
現場で「印刷不良」とひとくくりにされがちですが、品質工学・検査設計の観点では、少なくとも次のような異なる現象を区別して捉えることが重要だと考えます。それぞれ発生メカニズムが異なり、画像上の見え方も、検査で抽出すべき特徴も違うためです。
これらを一律のアルゴリズムや単一のしきい値で判定しようとすると、ある欠陥には過剰に反応し、別の欠陥は取りこぼす、という偏りが起きやすいと考えられます。後述するように、欠陥の種類ごとに「何を基準にして、何の量を測るのか」を分けて設計する発想が、安定した検査につながる可能性が高いと考えます。
Nsightでは、印字内容の読み取りを担うラベル・荷札のOCRや、紙・フィルムの連続シートの地合い(ムラ)を見る検査と、この「印刷見当・刷り欠陥」の検査を、役割の異なるテーマとして整理しています。OCRは「何が書かれているか」という文字情報の読み取りが主眼であり、地合い検査は素材そのものの均一性が対象です。一方で本稿が扱う印刷見当検査は、「デザインが版通りに正しく刷れているか」という、色版同士の相対関係と刷り品質を見るテーマです。検査の目的が違えば、求められる撮像・照明・判定ロジックも変わってくると考えます。
見当ズレ検査で最初に押さえたいのは、これが「絶対位置の良否」ではなく「色と色の相対位置の良否」だという点だと考えます。印刷物全体が搬送上で多少傾いたり平行移動していても、それ自体は欠陥ではありません。問題になるのは、シアン・マゼンタ・イエロー・スミ(キープレート)といった各色版が、互いに本来あるべき位置関係からどれだけずれているか、その相対量です。
古くから印刷現場で使われてきたのが、刷り範囲の外側に各色のトンボ(レジストレーションマーク)を配置し、その重なり具合でズレを判断する方法です。画像検査でこの考え方を踏襲する場合、各色のマークの中心や交点をサブピクセル精度で検出し、色間の中心間距離をズレ量として算出する、という設計が考えられます。トンボは形状が既知で背景がシンプルなため、本紙のデザイン部分より安定して計測しやすいという利点があると考えられます。
ただし、段ボールや紙器では、コスト・面付けの都合や断裁位置の関係で、製品にトンボが残らない、あるいは検査位置までにトリミングされてしまうケースもあります。その場合は、デザイン内の特徴的なエッジ(文字の角、罫線の交点、ロゴの輪郭など)を色ごとに分離して、その相対位置を比較するアプローチを検討することになると考えます。どの方式が向くかは、製品のデザインと工程レイアウト次第であり、現物での確認が前提だと考えます。
カラー画像から各色版の情報を取り出す際、単純なRGBのままでは色の重なりを分離しきれないことがあります。色空間の変換(たとえばRGBからインキに近い表現への変換)や、特定波長を強調する照明・フィルタの工夫によって、目的の色版のエッジを際立たせる前処理が有効な場面があると考えられます。VLM(視覚言語モデル)やディープラーニングを使う場合でも、こうした前処理で入力を整えることが、学習の安定や判定精度に効いてくる可能性があると考えます。検査AIの考え方の違いについては、VLMとディープラーニングの使い分けも参考になるかもしれません。
見当ズレを定量化できたとして、では何ミリ・何ピクセルまでを合格とするのか。これは検査システムが決めるものではなく、最終的には発注元の品質基準や、印刷物の用途(店頭で目立つパッケージか、外装段ボールか)によって変わる業務上の取り決めです。検査側にできるのは、その合格ラインを安定して測れる仕組みを提供することと、ライン付近のグレーゾーンをどう扱うかを現場と一緒に決めることだと考えます。数値基準を技術側が勝手に断定するのではなく、現物サンプルとすり合わせながら確かめていく姿勢が前提だと考えます。
見当ズレが「位置」の問題だとすれば、カスレ・色差・汚れは主に「濃度」と「色」、そして「局所的な異物」の問題です。同じ画像から見るとしても、抽出したい特徴が異なるため、検査ロジックを分けて考えるのが現実的だと考えます。
カスレは、本来ベタ(均一濃度)であるべき領域の濃度が部分的に低下したり、文字や細線が途切れる現象です。インキ転移の不足、アニロックスの目詰まり、版の摩耗、圧不足などが原因として考えられます。検査としては、ベタ領域の濃度分布を見て局所的な落ち込みを捉える、あるいは文字・線の連続性が保たれているかを見る、といったアプローチが考えられます。ただし段ボールの場合、前述のウォッシュボード現象によって「もともとベタが均一に乗らない」素材特性があるため、正常な濃度ムラと欠陥としてのカスレをどう線引きするかが難所になりやすいと考えられます。
色差は、狙った色からの偏差です。厳密な色管理が求められる場面では、分光測色計による測色(L*a*b*やΔEでの管理)が基準になりますが、ライン上の全数を測色器で測るのは現実的でないことが多く、カメラ画像ベースで相対的な色変動を捉える方法が検討されます。この場合、照明の色温度・明るさの安定、ホワイトバランスの固定、基準サンプルとの比較といった撮像側の作り込みが、判定の信頼性を大きく左右すると考えられます。照明が揺らげば、印刷が正しくても色がずれて見えるためです。色を扱う検査では、撮像条件の安定が欠陥検出ロジック以上に重要になる場面があると考えます。
ヒッキーは、紙粉やインキの乾いた粕、異物などが版やブランケットに付着し、印刷面に点状の汚れ(またはその周囲の白抜け)として現れる欠陥です。地汚れは、本来インキが乗らない非画線部にうっすらインキが乗ってしまう現象です。これらは局所的・突発的に現れることが多く、「正常画像からの逸脱」として捉える異常検知的なアプローチと相性がある場面があると考えられます。一方で、紙粉そのものや段ボール表面の元々の色ムラを汚れと誤検出しないための工夫が必要で、ここでも現物での見極めが欠かせないと考えます。
これらを別々に扱うのは、単に精度のためだけではありません。現場で「どの不良が、どの工程起因で出ているか」を切り分けられることが、印刷条件の調整や予防保全につながるからです。見当ズレが増えていれば版やテンションを、カスレが増えていればアニロックスやインキ供給を疑う、というように、欠陥の種類が原因究明のヒントになります。検査を単なる「合否の門番」ではなく、工程改善の情報源として位置づける考え方は、検査の省人化を進めるうえでも重要だと考えます。
印刷見当検査の成否は、判定アルゴリズム以前に、どれだけ安定した画像を撮れるかにかかっている、と言っても過言ではないと考えます。とりわけ段ボールは、平滑な紙やフィルムと比べて撮像を乱す要因が多い素材です。
段ボールシートは中しんの波構造ゆえに、表面に周期的な凹凸があり、シート全体としても反りやすい素材です。これにより、カメラからの距離が場所によって変わり、ピントや見かけの倍率が一定しないことがあります。被写界深度を確保するレンズ・絞りの選定、シートを平面に保つ搬送ガイドの工夫、テレセントリックな光学系の検討など、距離変動に強い撮像系を作る発想が有効な場面があると考えられます。どこまで作り込むかは、要求精度とコストのバランスであり、現物での検証を通じて決めるべき事項だと考えます。
照明は、見たい欠陥によって望ましい条件が異なります。色差を見るなら均一で色再現性の高い拡散照明が、表面の汚れや凹みを見るなら斜め(ローアングル)照明で陰影を立てる方が捉えやすい、といった具合です。ひとつの照明ですべての欠陥を最適に撮るのは難しいことが多く、複数照明の切り替えやマルチショットを検討する場面もあると考えられます。照明設計は印刷検査の心臓部であり、ここを軽視すると後段でどれだけ高度なAIを使っても安定しない可能性が高いと考えます。
段ボールの製造ラインは高速で、しかも紙粉が大量に発生する環境です。高速搬送下でブレのない画像を得るには、十分な光量と短い露光、ラインスキャンカメラの活用などが検討課題になります。また紙粉はレンズや照明面に付着して経時的に画質を劣化させるため、エアパージや定期清掃を前提とした設計、そして「画質が落ちてきたこと自体を検知する」仕組みも、現場運用では重要になると考えられます。撮像環境の安定をどう保ち続けるかは、稼働監視の観点とも結びつくテーマだと考えます。
高速・全数で発生する画像を扱う以上、どこで画像処理を行うかも設計上の論点です。ライン直近のエッジ機器(産業用PCやJetson等)で一次判定を行い、必要なデータだけを上位に送る構成は、通信負荷やレイテンシの面で利点があると考えられます。エッジとクラウドのどちらに寄せるかは要件次第で、エッジとクラウド検査AIの比較に整理した観点が参考になるかもしれません。既存ラインへの後付けを想定するなら、エッジAIレトロフィットの考え方も選択肢になると考えます。
印刷見当検査において、何でもAIに任せれば良いというわけではないと考えます。むしろ、見当ズレのような「定義が明確で定量化できる欠陥」は、従来の画像処理(ルールベース)で安定して測れることも多く、AIが本領を発揮するのは「定義しにくい・多様で・正常との境界が曖昧な欠陥」の領域だと整理できると考えます。
各色のトンボ間距離、文字エッジの相対位置、ベタ濃度の絶対値といった、物理量として明確に定義できる指標は、エッジ検出・パターンマッチング・濃度計測といった確立した手法で扱えることが多いです。これらは判定根拠が説明しやすく、合格基準を数値で管理できるため、品質保証の観点でも扱いやすいと考えられます。見当ズレの定量化は、まずここから設計するのが堅実だと考えます。
一方で、汚れ・ヒッキー・微妙なカスレ・複合的な刷り不良など、「正常のバリエーションが広く、欠陥の見た目も一様でない」現象は、正常画像群から逸脱を学ぶ異常検知や、文脈を踏まえて判断するVLMが有効な場面があると考えられます。とくにVLMは、「この箇所はデザイン上の意図か、それとも汚れか」といった文脈判断を要する場面で可能性があると考えますが、現時点で全数・高速ラインにそのまま適用するには処理速度やコストの制約もあり、適用範囲を見極める必要があると考えます。VLMをエッジで使う際の考え方はエッジVLMの取り組みでも触れています。
どの方式を採るにせよ、検査には「正常を不良と判定する過検出」と「不良を見逃す検出漏れ」のトレードオフが常につきまといます。印刷検査では、過検出が多すぎると現場が警報を信用しなくなり、結局オペレーターが警報を無視するようになって検査が形骸化する、という失敗が起こり得ます。逆に検出漏れを恐れて感度を上げすぎると、歩留まりが悪化します。この閾値の落としどころは、現物のサンプルと現場の許容度を踏まえて決めるべきもので、技術仕様だけで断定できるものではないと考えます。PoC段階でここを詰めきれないと運用で苦労しやすく、PoCがうまくいかない要因として挙げられる典型でもあると考えます。
印刷見当・刷り欠陥の検査を導入・運用する際に、現場で陥りやすいポイントを整理します。いずれも、机上のスペックでは見えにくく、現物・現場での検証ではじめて顕在化しやすい論点だと考えます。
これらの多くは、技術の優劣以前に「どこまで現物で確かめたか」に起因すると考えます。導入コストの内訳や見積もりの考え方についてはAI検査のコスト構造も併せてご確認いただくと、計画段階での見落としを減らせるかもしれません。
最後に、段ボール・紙器の印刷見当検査をどう進めるか、現実的なロードマップの考え方を整理します。一足飛びに全数全欠陥の自動検査を目指すのではなく、検証を重ねながら適用範囲を広げていく進め方が、結果として早く定着しやすいと考えます。
まず、自社のラインで実際にどの欠陥が、どの頻度で、どれだけの損失をもたらしているかを棚卸しすることから始めるのが堅実だと考えます。見当ズレが主問題なのか、汚れが主問題なのかで、投資すべき撮像・照明・アルゴリズムが変わります。すべてを一度に解こうとせず、効果の大きい欠陥から着手する優先順位づけが重要だと考えます。
次に、良品・不良品の現物サンプルを集め、実際の照明・撮像条件で撮像して、欠陥が画像上で安定して見えるかを確かめます。ここで「そもそも撮れているか」を確認せずにアルゴリズム議論に進むと、後で手戻りが生じやすいと考えます。PoCでは、検出性能だけでなく、過検出率・速度・運用負荷まで含めて評価することが、本番での失望を避ける鍵だと考えます。検査自動化全体の進め方は外観検査自動化ガイドにも整理しています。PoCの設計そのものについてはPoC支援もご活用ください。
PoCで見込みが立てば、一部の品種・一部のラインから本番展開し、運用データを見ながら基準を調整していきます。印刷検査は導入して終わりではなく、版替え・素材変更・季節変動に合わせて基準を育て続ける営みだと考えます。AI画像検査を継続的な改善の仕組みとして根づかせる視点が大切だと考えます。
Nsightは、元キーエンス画像処理事業部出身の技術者が監修に加わっています。印刷検査は、照明・光学・搬送・アルゴリズム・現場運用が複雑に絡み合う領域であり、カタログスペックだけで合否ラインを断定できるものではないと、私たちは考えています。段ボール・紙器の見当ズレや刷り欠陥は、素材と工程に固有の難しさがあるからこそ、まずは皆さまの現物サンプルと実際のラインで「何が、どこまで、どの条件なら見えるのか」を一緒に確かめるところから始めることをお勧めします。机上の結論ではなく、現場での検証を通じて、御社にとって意味のある検査の形を見極めていければと考えます。
許容ズレ量は検査システムが決めるものではなく、印刷物の用途や発注元の品質基準によって変わる業務上の取り決めだと考えます。店頭で目立つパッケージと外装段ボールでは要求も異なります。検査側にできるのは、その合格ラインを安定して相対計測できる仕組みを用意し、ライン付近のグレーゾーンの扱いを現場と一緒に詰めることだと考えます。具体的な数値は現物サンプルとのすり合わせを通じて決めることをお勧めします。
段ボールは中しんの波構造による周期的な凹凸や素材自体の色ムラがあり、正常品でも見た目に差が出ます。これを欠陥と取り違えないためには、良品のばらつきを十分に集めて正常範囲を学習・設定することや、照明設計で欠陥を際立たせる工夫が重要だと考えられます。完全な区別を机上で保証することは難しく、現物での検証が前提になると考えます。
OCRは「何が書かれているか」という文字情報の読み取り、ラベル検査は印字内容の正誤確認が主眼です。一方で印刷見当検査は、シアン・マゼンタ・イエロー・スミなど各色版が版通りに正しい相対位置で刷れているか、カスレや汚れがないかという刷り品質を見るテーマです。目的が異なるため、撮像・照明・判定ロジックも別に設計する必要があると考えます。
必ずしもそうではないと考えます。見当ズレのように定量化が明確な欠陥は、トンボやエッジを使った相対計測など従来の画像処理で安定して扱えることが多いです。AIが有効なのは、汚れやカスレのように正常のバリエーションが広く欠陥の見た目も一様でない領域だと整理できます。欠陥の性質に応じてルールベースとAIを使い分ける発想が現実的だと考えます。
原理的には可能性がありますが、搬送速度・光量・処理時間・コストの制約を早期に見積もる必要があると考えます。ラインスキャンカメラの活用やエッジでの一次処理など、速度と全数を両立させる構成を現物条件で検証することが前提です。PoC段階で検出性能だけでなく処理速度や過検出率まで評価しておくと、本番での破綻を避けやすいと考えます。
見当ズレ・カスレ・色差・汚れは、素材と工程に固有の難しさがあります。御社の良品・不良品サンプルと実際のライン条件で、何がどこまで見えるかを一緒に検証するところから始めましょう。元キーエンス出身の監修者がご相談に対応します。
現物検証・相談を申し込む