コンベア上の個数カウントを
AIで自動化する

1. なぜコンベアの個数カウントでつまずくのか
2. 光電センサーとAIカメラの違い
3. 誤カウントが起きる4つの要因
4. 精度を上げる撮像設計
5. AIカメラ計数が向くケース
6. 導入の進め方
7. 関連記事・関連ソリューション
8. よくある質問

なぜコンベアの個数カウントでつまずくのか

コンベア上を流れる製品や箱の数を正確に数えることは、出荷管理・在庫管理・生産実績の基礎です。しかし人が目視で数えると、長時間の集中は続かず、見落としや数え間違いが発生します。検品担当の負担も大きく、人手不足の現場では大きな課題になっています。

そこで多くの現場が光電センサーによる自動計数を導入していますが、製品が接触・重なっていたり、サイズや形状がばらついたり、複数の品種が混ざって流れたりすると、思うように精度が出ないことがあります。「数えているはずなのに実数と合わない」という悩みは、こうした条件で起きがちです。

本記事では、画像AIによる個数カウントが、こうした難しい条件にどう対応できるかを整理します。個数カウントの全体像は有無検査・個数カウントの自動化ガイドも合わせて参照してください。

光電センサーとAIカメラの違い

個数カウントには大きく「光電センサー方式」と「AIカメラ方式」があります。どちらが優れているという話ではなく、ラインの条件によって向き不向きが分かれます。

つまり、安定した単品ラインは光電センサー、重なり・多品種・ばらつきがあるラインはAIカメラが向きます。AIカメラは数だけでなく「何が・どこに・いくつ」を画像とともに記録でき、トレーサビリティにも活きます。製品としての全体像はCount & Trackingにまとめています。

誤カウントが起きる4つの要因

AIカメラでも、条件を詰めずに導入すると誤カウントが起きます。代表的な要因は次の4つです。

1. 重なり・接触：製品同士が重なって隠れると、奥の物体が見えずカウント漏れが起きる。
2. 高速搬送によるブレ：シャッター速度やフレームレートが搬送速度に追いつかないと、画像がブレたり物体を取りこぼす。
3. 照明ムラ・反射：照明が不均一だったり、光沢のある製品で反射が出ると、物体の輪郭が崩れて誤認識する。
4. 多品種混在・形状ばらつき：想定外の品種や形状が流れると、学習・設定が追いつかず誤判定する。

精度を上げる撮像設計

カウント精度を決めるのは、AIそのものよりも「どんな画像を取るか」です。次の観点を設計段階で詰めます。

• 撮像速度：ライン速度・製品サイズから必要なシャッター速度とフレームレートを逆算する。速度が非常に速い場合はラインカメラも検討する。
• 撮像位置・角度：重なりを減らすため、真上だけでなく斜めや複数方向から撮ることも検討する。
• 照明：ムラと反射を抑える均一な照明を設計する。製品の材質・光沢に応じて照明方式を選ぶ。
• 搬送上の工夫：可能であれば製品同士に適度な間隔を空け、重なりを物理的に減らす。
• 品種への対応範囲：どこまでの品種・形状に対応するかを決め、想定外の流入時の扱い（アラート等）も設計する。

撮像設計は外観検査でも計数でも共通の勘所です。Nsightは画像検査を現場で運用してきた経験から、ライン条件に合わせた撮像設計を強みにしています。エッジでの処理はNsight Edgeで完結できます。

AIカメラ計数が向くケース

次のような条件では、AIカメラによる計数が特に効果を発揮します。

• 多品種が混在して流れる：品種ごとの内訳を同時に数えたい。
• 製品が重なる・接触する：センサーではまとめて1と数えられてしまう。
• 形状・サイズがばらつく:固定の検知では対応しきれない。
• 数＋種類＋記録が欲しい:数だけでなく、何をいくつ流したかを画像とともに残したい。
• 出荷・在庫の精度を上げたい:計数ミスが誤出荷や在庫差異につながっている。

箱・ケース単位の計数はケース計数AI、ライン上の通過数はコンベア計数AIとして整理しています。現場の動きそのものを見える化したい場合は工程可視化・動線分析AIが接続します。

導入の進め方

コンベア計数AIは、多くの場合、既存ラインを大きく改造せずに導入できます。堅実な進め方は次の通りです。

まとめ：コンベアの個数カウントは、重なり・多品種・ばらつきがあるならAIカメラが向く。誤カウントの主因は撮像条件の設計不足であり、速度・照明・撮像位置を詰めれば精度は上がる。既存ラインを大改造せず、小さく試してから本格導入するのが堅実。

関連記事・関連ソリューション

よくある質問