食品包装の賞味期限・ロット番号の印字不良（かすれ・欠落・二重印字・位置ズレ）は、見逃すと回収リスクに直結します。高速ラインでの目視検査の限界と、OCR・画像AIで印字の有無・読み取り可否・内容妥当性を全数チェックする観点を、現物検証の前提とあわせて解説します。
食品の包装に印字される賞味期限・消費期限やロット番号は、単なる印刷ではなく、トレーサビリティと消費者保護を支える情報です。万一品質問題が起きたとき、ロット番号は「どの範囲を回収すべきか」を特定する起点になります。期限表示が読めない、あるいは誤っていれば、消費者が安全に判断する材料を失うことになりかねません。つまり印字は、製品そのものの品質とは別の軸で、出荷可否を左右する要素だと考えられます。
問題は、印字不良が「製品の中身は正常なのに出荷できない（あるいは出荷してはいけない）」という形で現れる点です。中身の検査がいくら厳密でも、最後の印字工程で期限がかすれていれば、その一個は不適合品になりえます。そして印字工程はラインの終盤、包装後に位置することが多く、不良が見つかるのが遅れるほど手戻りのコストは大きくなる傾向があります。
印字検査というと「印字が打たれているかどうか」を確認するイメージを持たれがちですが、実務ではもう少し層が深いと考えられます。整理すると、おおむね次の3層に分かれます。第一に有無——そもそも印字が打たれているか、欠落していないか。第二に可読性——打たれてはいるが、人や機械が正しく読み取れる品質か（かすれ・にじみ・二重印字の有無）。第三に内容妥当性——読み取れた文字列が、その製品・その製造日に対して正しい値か。
目視検査では、このうち「有無」は比較的拾いやすい一方、「可読性」の微妙な劣化や「内容妥当性」（たとえば前ロットの日付が混入していないか）まで全数で担保するのは負荷が高いと考えられます。後述するように、ここがOCR・画像AIの寄与しうる領域だと整理できます。
印字かすれや欠落は、検査側の問題というより、印字工程側の状態変動から生まれます。インクジェット（CIJ）方式ではノズルの詰まりやインク粘度の変化、サーマル方式ではリボンの劣化やヘッドの汚れ、レーザー方式では出力やフォーカスのずれが、印字品質に影響しうる要因として知られています。これらは連続運転のなかで徐々に進行することがあり、「ある一個だけが不良」ではなく「ある時点からの連続不良」として現れる場合もあると考えられます。検査は、この変動を早期に捉える役割も担いうると整理できます。
多くの食品ラインでは、印字部の確認を作業者の目視や抜き取りで行っているケースがあると考えられます。目視は柔軟で、立ち上げ初期や少量生産では合理的な選択肢です。しかし生産速度が上がるほど、また検査対象が小さく地味であるほど、人の目では取りこぼしが増えやすくなる構造があります。
賞味期限の数字は数mm四方の小さな領域に収まり、しかも背景の包装デザインと重なって見えにくいことがあります。高速で流れる包材を、すべての桁について「かすれていないか」「桁が欠けていないか」「位置がずれていないか」まで見続けるのは、人にとって極めて負荷の高い作業です。一般に、単調な検査を長時間続けると見逃し率が上がる傾向が知られており、賞味期限のように「ほとんどが正常で、たまに不良が混じる」対象では、その傾向が出やすいと考えられます。
全数を見られないために抜き取り検査に頼ると、抜き取りの合間に発生した不良は次の抜き取りまで検出されません。前述のように印字不良が「ある時点からの連続不良」として現れる場合、抜き取り間隔の分だけ不良品が流れてしまう可能性があります。期限・ロットという回収判断に関わる情報だけに、ここを全数で押さえたいという要望は強いと考えられます。
「どこまでのかすれを不良とするか」は、人によって判断がぶれやすい領域です。ベテランは「これは読めるからOK」と判断できても、その基準は言語化されにくく、交代要員や新人に引き継ぐのは容易ではありません。結果として、検査品質が人に依存し、ライン間・シフト間でばらつくことがあります。目視検査の限界と対策でも触れている通り、この属人性は自動化を検討する典型的な動機の一つだと考えられます。
OCR（光学文字認識）と画像AIは、印字領域を全数で撮像し、機械的に判定できる点が目視との大きな違いです。ただし「文字を読むだけ」では食品印字検査としては不十分なことが多く、前述の3層（有無・可読性・内容妥当性）に対応した設計が要点になると考えられます。
まず、印字が想定領域に存在するかを判定します。欠落（白抜け）や、印字位置のズレ（規定の枠から外れている）は、文字を読む前段階の検査として有効です。包材上の印字枠を基準に、印字の重心や占有面積を見ることで、内容を読まずとも「打たれていない」「大きくずれている」を拾える可能性があります。これは比較的安定して機能しやすい層だと考えられます。
次に、印字の品質そのものを見ます。インクジェットのドット欠け、サーマルのかすれ、搬送ぶれによる二重印字・にじみは、文字認識の信頼度（コンフィデンス）や、文字パターンの連続性・コントラストから捉えられる可能性があります。ここで重要なのは、「人が読めるか」という最終目的に近い基準で閾値を設計することです。機械が完璧に読めなくても人が読めれば良品、という製品もあれば、機械可読性まで求められる製品もあり、要求は現場ごとに異なると考えられます。
読み取れた文字列を、上位の生産情報と突き合わせます。たとえば「その日の製造であれば賞味期限はこの値になるはず」「このラインのこのロットならロット番号はこの体系のはず」といったルールと照合することで、前ロットの日付混入や設定ミスを検出できる可能性があります。文字を読めただけでは内容の正しさは保証されないため、この照合は印字検査の中でも価値が高い層だと考えられます。エッジVLM-OCRのように、文脈を踏まえて読み取り・妥当性を扱うアプローチは、この層と相性がよいと考えられます。
近年は、従来型のOCRエンジンに加えて、VLM（視覚言語モデル）を用いて印字を読み取り、内容の妥当性まで含めて扱うアプローチも検討されるようになってきました。VLMは、レイアウトのばらつきや多様な書体・背景に対して柔軟に対応しうる可能性がある一方、処理速度や判定の説明性、誤読時の挙動には注意が必要です。どの方式が適するかは、生産速度・品種数・要求精度によって変わるため、現物での比較検証が前提だと考えられます。
OCRの精度は、文字認識のアルゴリズム以前に、入力画像の質で大きく左右されます。食品包装の印字検査が難しいのは、対象が「読みにくく作られているわけではないが、読みやすく作られているわけでもない」ためです。撮像・照明の設計は、検査全体の土台になると考えられます。
光沢のあるフィルムや透明包材は、照明を正反射してハレーションを起こし、印字を白飛びさせることがあります。袋物ではシワやたわみが影を作り、印字を部分的に隠すこともあります。これらに対しては、拡散照明や同軸照明、複数方向からの照明など、対象に応じた照明設計が必要です。「どの照明がよいか」は一般論では決まらず、実際の包材で試すべき領域だと考えられます。
印字色と背景色のコントラストが低いと、OCRの読み取りは不安定になりがちです。黒地に黒に近い印字、白地に薄いインク、といった組合せは特に難しい対象です。照明の波長（特定色を強調する）やフィルタの活用、撮像後の画像処理でコントラストを引き上げる工夫が検討されます。AI外観検査の設計でも、この前処理の作り込みが安定性を左右することが多いと考えられます。
高速搬送では、撮像タイミングのわずかなずれが印字の位置ずれ・ブレとして現れます。製品ごとに確実に同じ構図で撮るためのトリガ（センサ連動）と、シャッタースピードや露光の設計が必要です。流れている対象を止めて見るのではなく、流れたまま鮮明に捉える設計が求められると考えられます。
食品工場では、同じラインで多品種を流し、頻繁に段取り替えが行われることがあります。品種ごとに印字位置・書体・包材が変わると、撮像条件や検査領域もそのつど変わります。段取り替えのたびに人が条件を作り込むのでは運用が回らないため、品種ごとの設定を呼び出せる仕組みや、ある程度の変動を吸収できる判定の設計が、実用上は重要になると考えられます。
検査が技術的に成立しても、それがラインの動きと運用に馴染まなければ定着しません。印字検査は包装後の終盤工程に入ることが多く、ラインの稼働や排出機構との連携が現実的な論点になります。
不良と判定した個体をどう扱うかは、ラインによって異なります。自動で排出（リジェクト）する場合は、判定から排出までのタイミング設計と、誤排出時のフォローが必要です。排出機構を持たないラインでは、アラートで停止・人手対応とする運用も考えられます。いずれにせよ、いつ・どのロットで・どんな不良が出たかを記録しておくことは、印字工程側の異常（ノズル詰まりの兆候など）を早期に捉えるうえで有用だと考えられます。検査データを工程改善に還元する発想は、工程の可視化の考え方と通じます。
検査の閾値を厳しくすれば見逃しは減りますが、良品を不良と判定する過検出（過剰排出）が増え、歩留まりやライン効率を損ないます。逆に緩めれば過検出は減るが見逃しリスクが上がります。期限・ロットという回収に関わる情報である以上、見逃しを抑える方向に倒したいという要望は理解できますが、過検出が多すぎると現場が検査を信用しなくなり、最悪アラートを無視する運用に陥りかねません。このバランスは、実データを見ながら調整していくべき領域だと考えられます。
検査装置は導入して終わりではなく、日々の清掃・点検、品種追加時の設定、判定ログの確認といった運用が伴います。専門家でないと触れない仕組みでは、結局使われなくなる懸念があります。現場の作業者が無理なく扱える操作系と、トラブル時の切り分けのしやすさは、長く使われる検査にとって重要な条件だと考えられます。食品工場の検査自動化でも、この運用設計が定着の鍵になると整理しています。
印字検査の自動化は、汎用OCRを当てれば解決するというものではありません。検討初期に見落とされがちな落とし穴を、あらかじめ整理しておきます。
これらの多くは、技術そのものより「現場条件と運用をどこまで織り込めたか」に起因すると考えられます。外観検査自動化のガイドもあわせて、検討の前提整理にご活用ください。
ここまで述べてきた通り、印字OCR検査の成否は、現場固有の包材・印字方式・生産速度・品種構成といった条件に強く依存します。したがって、一般論で「できる／できない」を判断するのではなく、実際の対象物で確かめながら設計を固めていく進め方が現実的だと考えられます。
まずは、現物のサンプル（良品と、できる限り多様な不良）を用いて、撮像・照明の条件出しと読み取りの安定性を確認する段階から始めるのが妥当だと考えられます。次に、不良サンプルでの検出力と過検出の水準を評価し、閾値の目安をつかみます。そのうえで、段取り替えや多品種を含む実運用に近い条件で、運用に乗るかを検証していく——という段階的な進め方が、つまずきを減らす道筋だと考えられます。何をどう確かめるべきかの考え方は外観検査自動化のガイドも参考になります。
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もとに、照明・撮像の設計から判定ロジック、現場運用までを一貫した視点で検討します。印字検査は、文字認識の良し悪し以前に「どう撮るか」「現場で回るか」で結果が変わる領域です。だからこそ、机上の精度議論にとどめず、お手元の現物・実際の現場での検証を通じて、見逃しと過検出のバランスをどこに置くべきかを一緒に確かめていく進め方を大切にしています。賞味期限・ロット印字という回収リスクに直結する対象だからこそ、慎重に、しかし着実に積み上げていくことが重要だと考えています。
OCR・画像AIは印字領域を全数で撮像・判定する設計が可能です。ただし高速ラインでの安定した読み取りには、照明・撮像・トリガの設計が前提になります。読み取り可否や過検出の水準は包材や印字方式によって変わるため、現物での検証を通じて確かめることをおすすめします。
文字認識の信頼度や印字パターンの連続性・コントラストから、かすれ・欠落・二重印字を捉えられる可能性があります。ただし「どこまでを不良とするか」は製品によって基準が異なるため、不良サンプルを用いた評価で閾値を設計することが重要だと考えられます。機械可読性まで求めるか、人が読めれば良品とするかでも設計は変わります。
読み取った文字列を、製造日やロット体系といった上位情報と照合することで、前ロットの日付混入や設定ミスを検出できる可能性があります。文字を読めることと内容が正しいことは別問題のため、この内容妥当性の照合は印字検査の中でも価値が高い層だと考えています。具体的な照合ルールは現場の運用に合わせて設計します。
書類やスマホ向けに作られた汎用OCRは、食品包装のインクジェット文字・低コントラスト・フィルム反射といった条件を想定していないことがあり、そのまま当てても安定しない場合があります。現場の包材・印字方式に合わせた撮像設計と判定の調整が前提になると考えられます。まずは現物での読み取り検証から始めるのが現実的です。
品種ごとに印字位置・書体・包材が変わるため、品種別の設定を呼び出せる仕組みや、変動を吸収できる判定設計が実用上の鍵になります。単一品種の試作で成立しても実運用で破綻するパターンがあるため、段取り替えを含む運用条件での検証が重要だと考えられます。運用に乗る形をご一緒に設計します。
印字のかすれ・欠落・内容妥当性をどこまで捉えられるかは、お手元の包材・印字方式で試してみないと分かりません。元キーエンス画像処理事業部出身の監修者とともに、現物での検証から進め方を一緒に確かめます。
現物検証について相談する