同じ形・同じ色でも、温度が違えば中で起きていることは違います。可視光カメラが見ているのは「表面の見た目」ですが、赤外・熱画像が見ているのは「表面から放射されるエネルギー」です。この視点の差が、どんな検査・監視の可能性を開くのか。放射率という厄介な前提も含めて、上流から考えます。
製造・食品・物流の現場で、可視光カメラや目視ではどうしても捕まえきれない不良や異常があります。外観は整っているのにシール部が甘く後で漏れる、コネクタや端子が見た目は正常なのに局所的に発熱している、モーターやベアリングが壊れる前に温度傾向だけが静かに変わっている——こうした事象は「表面の見た目」ではなく「温度」に先に現れることが少なくありません。
背景には、人手不足と熟練依存という構造的な課題があります。異音や手のひらで感じる熱で不調に気づいていた熟練者が減り、その暗黙知が引き継がれないまま設備だけが動き続けている、という現場は珍しくないと考えられます。予防保全・予知保全への関心が高まっているのは、突発停止のコストと安全リスクを、人の勘に依存しない形で下げたいという切実な事情があるからです。
可視光での外観検査には長い蓄積がありますが、原理的に「表面で反射・散乱した光」しか見ていません。中身の温度状態、局所的な発熱、可視光では色差の出ない微妙な充填ムラといった情報は、そこには乗ってきません。赤外・熱画像は、物体が放射する赤外エネルギーを捉えることで、この可視光の死角に入りうる温度情報を扱えるようにする、という位置づけになります。
最初に押さえておきたいのは、赤外カメラが測っているのは温度そのものではなく、物体表面から放射される赤外エネルギーだという点です。そのエネルギーを温度に換算する際に決定的に効いてくるのが「放射率（emissivity）」です。同じ温度でも、つや消し塗装の面と磨いた金属面では放射される赤外エネルギーが大きく違い、後者は環境の映り込みも拾いやすいため、見かけの温度が実際と大きくずれることがあります。
つまり、熱画像で捉えやすいのは「同じ材質・同じ表面状態のワークどうしの温度差」や「時間とともに変化する温度傾向」です。逆に、材質や表面仕上げがばらばらな対象で絶対温度を高精度に比較するのは難しく、放射率の補正や条件そろえをしないまま『何度だから異常』と判定すると、材料差を異常と誤認しやすくなります。
実務では、熱画像を大きく三つの見方で使うと整理しやすいと考えます。第一に「空間的な温度差」——シール部だけ温度が上がりきっていない、基板の一点だけ局所加熱している、といった分布の乱れ。第二に「同一条件での個体差」——良品ロットの熱分布に対して外れているワーク。第三に「時間変化」——設備の同じ測定点が日を追って傾向を変えていないか。どれを狙うかで、必要なカメラも運用も変わってきます。
熱画像の用途は、大きく「検査（良否判定）」と「監視（予知保全）」に分かれます。両者は似て見えて、要求される性質がかなり違うため、混同したまま機材を選ぶと後で行き詰まりやすいと考えられます。
ラインを流れるワークのシール温度や充填状態を判定するような検査では、タクトタイムの中で確実に撮り、同じ条件で良否を切り分ける再現性が要になります。ワークの位置・向き・環境温度・撮像タイミングをそろえ、放射率の異なる部位が視野内で混ざらないようにする設計が効いてきます。ここは可視光の外観検査と発想が近く、AIやルールで良品分布からの逸脱を捉える方向と相性がよいと考えます。
一方、盤内の端子・モーター・配管などを対象にした設備監視では、一発の良否より「その測定点が普段の状態からどれだけ変化したか」を追うことが中心になります。ここでは予知保全AIのように、常時または定期のデータを蓄積して基準からの逸脱・トレンドを検知する考え方が軸になります。負荷条件や環境温度が動くため、それらと合わせて温度を解釈しないと、季節変動を異常と誤検知しやすい点に注意が要ります。
熱画像の品質は、カメラの分解能や感度だけでなく、撮り方の設計で大きく左右されます。ここは元キーエンス画像処理事業部の現場知見が効く領域で、可視光の撮像設計と同じく「まず条件をそろえる」ことが出発点になります。放射率の異なる面を同一視野で比べない、映り込みの強い金属面には角度や処理で対策する、環境温度と対象の温度差（コントラスト）を確保する、といった基本が結果を安定させます。
熱画像センサは可視光カメラに比べて画素数が少ないことが多く、「小さな発熱点を離れて撮ると、周囲の温度と平均化されて見かけの温度が下がる」現象が起きえます。何mmの異常を、どの距離から、何画素で捉えたいのか——この視野設計は可視光のカメラ選定の考え方と地続きで、狙う欠陥サイズから逆算する姿勢が有効だと考えます。
熱画像は「どこが熱いか」は得意でも「それが何か」の判別は苦手なことがあります。可視光画像と重ね、位置・形状・種類は可視光で、温度状態は熱画像で、と役割分担する構成は現実的な解になりえます。撮像・照明・レンズ・エッジを一体で設計する現場ライティングの発想が、ここでも土台になると考えます。
温度分布という二次元データが得られたら、次は「何をもって異常とするか」の判定です。単純なしきい値（○度以上で警報）は分かりやすい反面、放射率や環境の変動に弱いという弱点があります。良品・正常時の熱分布を学習し、そこからの逸脱を捉えるアプローチや、VLM/AIで『局所加熱がある』『シール部の温度が上がりきっていない』といった状態を意味づけて扱う方向は、変動に対して頑健になりうると考えられます。
ただし、AIに何でも任せれば良いわけではありません。学習に使う良品・不良の熱データが十分にそろわない立ち上げ期には、条件をそろえた分布比較やルールと組み合わせるのが現実的です。検証されていない認識率や削減率を前提に計画を立てるのは危険で、どの程度の温度差・欠陥をどの再現性で捉えられるかは、必ず現物・現場での検証が前提になります。
設備監視では、盤内やライン脇で常時・定期に熱画像を取得し続けるケースが多く、すべてをクラウドへ送るとネットワークとコストの負荷が問題になりがちです。異常兆候の一次判定をJetsonなどのエッジで行い、必要なデータだけを上げる構成は、監視用途と相性がよいと考えます。判断基準はエッジとクラウドの使い分けで整理していますが、リアルタイム性・通信・データ量の三点で選ぶのが要点になります。
熱画像の監視・検査は、立ち上げ時にうまく動いても、運用の中で静かに精度が崩れることがあります。原因の多くは環境と条件の変化です。工場の空調や季節で環境温度が動けば同じ設備の見かけ温度も動きますし、レンズやセンサ前面の汚れ・埃は温度読みをじわじわ狂わせます。負荷条件（稼働率・生産品種）が変われば、発熱の基準そのものが変わります。
だからこそ、温度そのものを絶対値で追うより、環境温度や負荷とセットで「差分・傾向」を持つ設計が運用で効いてきます。基準の更新（ドリフトへの追従）、定期的な放射率・校正の見直し、警報しきい値を現場と合意しながら調整する運用フローまで含めて、最初から「動き続けるための仕組み」として考えることが、長期的な信頼につながると考えます。
赤外・熱画像は直感的で分かりやすい反面、原理を飛ばすと再現性のない「なんとなく赤い判定」に陥りがちです。現場で繰り返し見られるつまずきを挙げます。
どれも「先に条件をそろえ、絶対値より差分と傾向で見る」という原則に立ち返れば、多くは回避できると考えます。捉えたい異常が本当に温度に現れるのか自体、対象によっては見極めが必要で、そこはPoC・検査方式設計の相談で切り分けるのが現実的です。
熱画像の導入は、いきなり本番ラインへ組み込むより、小さく撮って分布を確かめる段階から始めるのが現実的だと考えます。まず狙う異常（シール甘さ・局所加熱・傾向変化のどれか）を一つに絞り、それが温度差として本当に現れるのかを現物で確認します。ここで見えない異常は、熱画像以外の手段を検討したほうが早いこともあります。
次に、放射率・視野・環境温度をそろえた条件で良品・正常時を数十点撮り、分布のばらつきと異常時の差を把握します。この客観的な把握ができて初めて、しきい値やAIによる判定、そして監視であれば傾向の蓄積という次の段階に進めます。可視光と併用するか、判定をエッジで動かすかといった構成の選択も、この検証結果を土台に決めるのが順序として自然です。
要は、機材選定から入るのではなく「何を異常と定義し、それが温度に現れるか」を現場で確かめることが出発点です。撮像設計から判定・エッジ実装までを一体で扱える体制と、現物で確かめる姿勢があれば、熱画像は可視光の死角を補う有力な選択肢になりうると考えます。判断に迷う段階でも、まずは相談するところから小さく始められます。
赤外カメラが測っているのは温度そのものではなく物体が放射する赤外エネルギーで、放射率や周囲の映り込みで見かけの温度がずれることがあります。そのため、材質のそろった対象どうしの温度差や時間変化を捉える用途に向くと考えられます。絶対温度の高精度計測が必要な場合は放射率補正や校正の運用が前提になります。
可視光は表面で反射・散乱した光を見るため、見た目の形・色・傷を捉えます。赤外・熱画像は表面から放射される赤外エネルギー、つまり温度分布を捉えるため、局所発熱・充填やシールの内部状態・可視光で色差の出ない温度ムラなど、可視光の死角に入りうる情報を扱えます。両者を併用して役割分担する構成も現実的だと考えます。
モーターや端子などの温度傾向の変化から不調の兆候を捉えられる可能性はありますが、どの程度前に・どの精度で検知できるかは対象や運用条件により、現物・現場での検証が前提になります。絶対温度より、環境温度や負荷とセットで基準からの逸脱・傾向を追う設計が有効だと考えられます。
立ち上げ期に不良の熱データを十分そろえるのは難しいことが多く、良品・正常時の分布からの逸脱を捉える方法や、条件をそろえた分布比較・ルールと組み合わせる進め方が現実的です。何をどの再現性で捉えられるかは検証前に断定せず、まず数十点を撮って分布を把握することから始めるのが順当だと考えます。
電気設備の保守・点検に関わる制度や基準は所管の枠組みが存在しますが、適用範囲や具体的な数値・頻度は対象設備や事業形態で異なります。最新の適用条件は所管省庁（経済産業省など）の公表資料でご確認ください。監視システムはあくまで点検を補助しうる手段であり、法定の点検義務を置き換えるものではない点に注意が要ります。
熱画像が有効かどうかは、機材選びの前に現物で確かめるのが近道です。狙う異常を一つに絞り、放射率・視野・環境をそろえて数十点撮るところから、撮像設計・判定・エッジ実装まで一体でご一緒します。まずは分布を見る小さな検証から始めましょう。
赤外・熱画像の検査と監視について相談する