化粧品の多品種外観検査｜容器・ラベル・異品種検出をAIで自動化

化粧品工場の多品種検査が抱える課題

化粧品業界はOEM生産が主流であり、1つの製造ラインで数十～数百の品種（SKU）を生産します。容器の形状・色・サイズ、ラベルのデザイン・印字内容が品種ごとに異なるため、外観検査の設定変更が頻繁に発生します。

化粧品特有の検査項目

検査項目	内容	難易度
容器外観	キズ・凹み・汚れ・成形不良	中（透明・半透明容器は高難度）
ラベル検査	位置ズレ・シワ・印字内容の正誤	高（多品種で印字パターンが多い）
異品種検出	違う品種の容器・キャップの混入	高（形状が類似する品種が多い）
液量・充填	充填量の過不足・気泡混入	中（透明容器はバックライト活用）
キャップ検査	閉め忘れ・斜め締め・キャップ色違い	低～中

最大の課題は「異品種混入」

化粧品OEMでは、異品種混入（間違った品種の容器やキャップが混入）が最も深刻な品質事故です。形状が類似する品種が多いため、目視検査では見逃しやすく、クレーム・回収に直結します。

VLM×AIによる解決アプローチ

1. VLMによるラベル文字認識・照合

化粧品のラベル検査は、多品種対応でVLMが最も威力を発揮する領域です。VLMは画像内の文字を直接読み取り、マスターデータと照合します。品種ごとのOCRテンプレート設定が不要なため、品種数が増えてもコストが変わりません。

• 商品名・成分表示・製造番号・使用期限の読み取り
• 多言語対応（日本語・英語・中国語・韓国語）
• ラベルの位置ズレ・シワがあっても読み取り可能

2. 異品種検出（VLM画像識別）

VLMは容器の形状・色・キャップの組み合わせから品種を自動識別します。PLCからの品種信号と照合し、異品種混入を即座に検出・排出します。

3. 容器外観検査（ルールベース＋AI）

容器のキズ・凹み・汚れは、ルールベース（閾値検査）と従来AI（Deep Learning）のハイブリッドで検出します。透明・半透明容器にはバックライト照明を使い、欠陥のコントラストを最大化します。

化粧品検査の照明設計

化粧品の外観検査で最も重要なのは照明です。Nsightは元キーエンス画像処理部門のエンジニアが照明設計を行います。

検査対象	推奨照明	理由
透明容器のキズ	バックライト＋暗視野	キズ部分が光って見える
不透明容器の凹み	ローアングル照明	凹みの影が出る
ラベルの印字	同軸落射照明	均一照明でOCR精度向上
キャップの色	リング照明（白色LED）	色再現性が高い

導入効果のモデルケース

指標	導入前	導入後
異品種混入	月2-3件	0件
ラベル印字ミス流出	月1-2件	0件
検査員	4名体制（2ライン）	1名（モニタリング）
品種切替時間	10分/回	自動（0秒）
年間品質コスト削減	—	約2,500万円

Nsightと化粧品業界

Nsightは化粧品業界での導入実績が豊富です。戦略パートナーであるLUCOSMETICS社を通じて、大手化粧品OEMメーカーへの導入を進めています。

詳しくは 化粧品・食品工場のAI検査 失敗と成功事例 もご覧ください。

まとめ

化粧品の多品種外観検査は、異品種混入・ラベル印字・容器外観の3つを同時に解決する必要があります。VLM×AIハイブリッドにより、品種ごとの再学習不要・品種切替ゼロ・異品種混入ゼロを実現します。

化粧品多品種ラインの典型構造

化粧品OEMは数百SKUの取扱が標準。ブランド・容量・色のバリエーションでSKUが指数関数的に増加します。

化粧品SKU急増の構造

要素	バリエーション数
ブランド	10〜50
シリーズ	5〜20
容量サイズ	3〜5
カラーバリエーション	5〜30
総SKU数	数百〜数千

化粧品多品種検査の3軸統合

軸①: 容器外観検査

ボトル・ジャー・チューブの傷・汚れ・変形検査。

軸②: ラベルOCR

品名・成分・容量・薬機法表示の文字認識。

軸③: バーコード照合

JANコード・ロット番号の読取と商品マスター照合。

3軸全一致のみOK判定とすることで、SKU取り違え防止を実現します。

化粧品OEM特有の品質要求

• ブランド毀損ゼロ（SNS拡散リスク）
• 薬機法表示の完全性
• OEM顧客監査対応
• ロット別トレーサビリティ
• 限定品・季節品の高速立ち上げ

VLM活用での新SKU対応

新ブランドの新SKUでも、品種マスターテキストの登録だけで検査可能。「ブランドA、容量50ml、色#FF6B6B、ロゴ位置中央上」のような記述で、VLMが自動的に判定基準を構築します。

化粧品OEMのSKU管理ベストプラクティス

化粧品OEMのSKU管理は、ブランド・シリーズ・容量・カラーの組合せで指数関数的にSKU数が増加します。標準的な管理体制は、ブランド別マスター（ブランド共通仕様）、シリーズ別マスター（シリーズ共通仕様）、SKU別マスター（個別仕様）の3層構造。これにより、ブランド・シリーズ単位での仕様変更が、全 SKU に効率的に反映されます。

新製品立ち上げの加速化

化粧品OEMでは新製品立ち上げ期間の短縮が経営課題です。AI検査導入により、新SKU追加工数が従来3〜5日から数時間に短縮。年間50〜100の新SKU追加が一般的な OEM 工場では、年間数百時間の工数削減効果が発生します。これは新製品市場投入スピードの向上に直結し、OEM顧客からの選定優位性を高めます。

OEM顧客監査への対応

化粧品OEMでは、OEM顧客（化粧品ブランド）からの定期監査が頻繁に発生します。監査では、品質管理体制・検査記録・トレーサビリティが厳しくチェックされます。AI検査の判定ログ自動保存・即時提示機能により、監査対応工数を従来の50%以下に圧縮できます。これは OEM 受注継続の前提条件として、経営価値が高い効果です。

よくある質問

少量多品種生産のOEM現場でも効果がありますか？

品種切替工数が削減されるため、むしろ少量多品種の方がROIが出やすい傾向があります。

検査員との判定一致率はどれくらい目指せますか？

撮像設計と学習データが十分であれば、95〜98%の一致率が実現可能です。

レベニューシェア型の契約は可能ですか？

希望に応じて、初期投資を抑えたレベニューシェア型契約も選択可能です。