「見た目は正常なのに、中身や水分状態が管理できていない」——この違和感の多くは、可視光カメラが波長の一部しか見ていないことに由来します。本稿では近赤外(NIR)イメージングが何を得意とし、どこで限界に突き当たるのかを、他方式との使い分けまで含めて整理します。
食品・医薬・電子部品・物流の現場で、品質保証の担当者が繰り返し直面する困りごとがあります。「外観の色や形は問題ないのに、乾燥ムラ・含水率・内部の異物・成分の偏りといった“中身”が管理しきれない」という悩みです。人手の官能検査や抜き取り破壊検査に頼っている工程では、全数を非破壊で見たいという要求が強まっているのが現状だと考えられます。
この背景には、人手不足と品質要求の同時進行という構造的な課題があります。熟練検査員の高齢化・採用難で属人的な判断を継続しにくくなる一方、食品表示や異物混入への社会的関心は高まり続けています。つまり「人を減らしながら、より厳しい品質基準を全数で担保する」という、一見矛盾する要求に応えなければならない局面が増えていると言えます。
ここで見落とされがちなのが、一般的な産業用カメラが捉えているのは人の目に近い可視光域（およそ400〜700nm）に過ぎない、という事実です。水分・油分・樹脂の種類・乾燥状態といった情報の多くは、その外側——近赤外(NIR)域の光の吸収の差として現れる場合があります。可視画像で「均一に見える」ことは、必ずしも「均一である」ことを意味しません。カメラが見ていない波長に情報が隠れている可能性を、まず前提として押さえておく必要があると考えます。
近赤外はおおよそ700〜2500nm付近の波長域を指し（区分の定義は分野により異なります）、この帯域では水（O-H結合）・油脂や有機物（C-H結合）・タンパク質（N-H結合）などが特定の波長で光を吸収するという性質が利用されます。ある波長で強く吸収される・されないの差が、成分や水分量の違いとして画像上のコントラストに現れうる、というのが基本的な考え方です。
一般に、水分・含水率のムラ（乾燥工程の管理、湿った箇所の検出）、材質・樹脂種の見分け（プラスチック選別、フィルムの違い）、可視では色が近い異物の判別、包装フィルムを透過した中身の一部確認などが、NIRの得意領域として語られます。ただしこれらは「そうなりうる」候補であって、実際に写るかどうかは対象・波長・光量の組み合わせで変わるため、個別検証が前提になります。
NIRの使い方には幅があります。特定の1〜数波長だけを見る狭帯域イメージング（バンドパスフィルタ＋NIR感度カメラ）は安価で高速になりやすい一方、対象が変わると波長を選び直す必要があります。多数の波長を連続的に取得するハイパースペクトル/マルチスペクトルは情報量が豊富ですが、コスト・処理負荷・撮像速度の制約が大きくなりがちです。どこまでの情報が本当に必要か、という設計判断が最初の分岐点になると考えられます。
「内部を見たい」という要求に対して、非破壊で使える手段はNIRだけではありません。それぞれ見ている物理量が違うため、優劣ではなく役割分担で捉えるのが実務的だと考えます。ざっくり言えば、可視画像は表面の色・形・キズを、X線は密度差（金属・骨・石など重い異物や内部の空隙）を、NIRは主に成分・水分・表層近傍の状態を見る、という整理になります。
たとえば金属片や骨、ガラスといった密度の高い異物はX線が得意領域とされます。一方で、密度が周囲と近い異物——樹脂片、虫、乾燥した植物片、あるいは製品と同系色の混入物などはX線でコントラストが付きにくく、可視画像やNIRの方が捉えられる場合があります。異物検査の方式選定についてはX線と画像検査の使い分けで詳しく整理していますので、あわせてご覧いただくと全体像がつかみやすいと思います。
現場でありがちな失敗は、一つの方式にすべての不良を検出させようとして、どれも中途半端になることです。密度差の異物はX線、表面欠陥は可視画像、水分・材質・同系色異物はNIR、というように、検出したい不良のリストを先に洗い出し、それぞれに最も相性の良い物理量を割り当てる——この順序で考えると、過剰投資も検出漏れも減らせる可能性が高まると考えられます。複数方式の併用は、コストではなく信頼性への投資と捉える視点が有効です。
NIR検査の成否の大部分は、カメラを選ぶ前段の「どう写すか」で決まると言っても過言ではありません。ここは元キーエンス画像処理事業部の現場知見が最も効く領域でもあります。可視光の検査と同様、あるいはそれ以上に、照明・波長・光学系の設計が結果を左右します。
一般的な白色LEDはNIR域の放射が乏しいことが多く、NIRを見るならNIR-LEDやハロゲン、あるいは特定波長の光源を用いる設計が必要になります。見たい成分が吸収する波長の光を当て、その反射・透過の差をコントラストとして取り出す——この波長と照明の当て方（反射照明か透過照明か、角度、拡散か直進か）の設計が肝心です。照明の基本的な考え方は照明設計の基本にまとめており、可視・NIRを問わず通底する原則が参考になると思います。
通常のカラーカメラはNIRカット（IRカットフィルタ）が入っており、そのままではNIRが写りません。NIR域に感度を持つセンサ（シリコン系はおよそ1000nm付近まで、それ以上はInGaAsなど別素材が必要になる場合があります）と、NIR域での色収差を抑えたレンズの選定が要ります。「手持ちの可視カメラでNIRも」という発想は、多くの場合そのままでは成立しないという点は、最初に共有しておきたい前提です。
どの波長でどこまで写るかは、結局のところ現物を当ててみないと分かりません。だからこそ、方式ありきで機材を先に買うのではなく、PoC・検査方式設計の相談のように、まず小さく撮像条件を振って検証する進め方が、遠回りに見えて確実だと考えます。
NIRで良い画像が撮れても、それだけでは合否判定にはなりません。撮像設計で「差が見える画像」を作り、その画像を判定するのが後段の役割です。従来はしきい値や特徴量ルールで判定してきましたが、対象のばらつきが大きい食品・自然物などでは、ルールだけでは組みにくい場面が多くあります。
個体差が大きく「正常の幅」が言語化しづらい対象では、AI——とりわけ画像と文脈を扱えるVLM（Vision Language Model）——が、教師データや基準の記述から柔軟な判定を行える可能性があります。ソフトとハードを一体で設計する考え方はAI画像検査パッケージに整理しています。一方、単純で安定した二値的な判定であれば、AIを持ち出すより古典的な画像処理の方が速く・安く・説明しやすいこともあります。AIは目的ではなく手段だという原則は、NIRでも変わりません。
NIRやスペクトル画像はデータ量が大きくなりがちで、すべてをクラウドに上げる運用は通信・遅延・機密の面で現実的でない場合があります。Jetson等のエッジデバイス上で撮像から判定まで完結させれば、ライン速度に追従しやすく、画像を外部に出さずに済むという利点も生まれうると考えられます。撮像設計・NIR光学・エッジAIを一つの系として設計できるかどうかが、実運用に乗るかの分かれ目になると考えます。
NIRは強力な選択肢になりうる一方、万能ではありません。導入前に知っておくと無駄な投資を避けられる、代表的な落とし穴を挙げます。いずれも「やってみないと分からない」を減らすための、事前の論点です。
これらは「NIRをやめる理由」ではなく、「事前に検証すべきリスト」です。むしろ限界を正直に見積もれるかどうかが、プロジェクトの成否を分けると考えます。
NIRは机上の仕様検討だけで可否を判断しづらい領域です。だからこそ、最初の一歩は「現物で、どの波長でどこまで写るか」を客観的に把握することに尽きると考えます。以下は現実的な進め方の一例です（あくまでモデルであり、対象ごとに順序は前後します）。
第一に、検出したい不良・状態を具体的に言語化し、良品・不良品の現物サンプルを集めます。第二に、複数の波長・照明条件で試験撮像し、そもそも差が見えるか（＝NIRの土俵に乗るか）を確認します。第三に、可視・X線など他方式との比較で、NIRが最適か、併用が要るかを見極めます。第四に、判定方式（ルールかAIか）とエッジ構成を含めた小規模PoCで、ライン速度・環境変動下での再現性を確かめます。第五に、そこで得た撮像条件と基準を固めてから本番展開に進む——という流れです。
重要なのは、機材の購入やライン改造といった不可逆な投資を、写るかどうかの検証より先に行わないことです。撮像設計・NIR光学・AI/エッジまでを一気通貫で見られる体制で、まずは小さく試す。その最初の見極めについてはPoC・検査方式設計の相談から始めるのが、結果的に最短距離になりうると考えます。判断に迷う段階でも、現物を前提にした相談から入っていただければと思います。
一般的な産業用カメラが捉える可視光域（約400〜700nm）に対し、NIRはその外側の約700〜2500nm付近を扱います。水分・油分・材質など、可視では均一に見えても波長ごとの吸収差として現れる情報を捉えられる可能性があります。ただし通常のカメラはIRカットが入りNIRが写らないことが多く、専用のセンサ・光源・レンズが必要になる場合が多いと考えられます。
水分や糖に関連する成分はNIR域に吸収帯を持つため、コントラストとして差が現れる可能性はあります。ただし画像上で差が見えることと、含水率◯%・糖度◯度といった定量値を保証することは別問題です。定量を目的とする場合は、基準となる分析法との相関を現物で検証する工程が前提になります。数値は現場・現物での検証を経てご判断ください。
見ている物理量が違うため一概には言えません。金属・骨・ガラスなど密度の高い異物はX線が得意とされ、樹脂片・虫・同系色の混入物など密度差の付きにくいものはNIRや可視画像が捉えられる場合があります。検出したい不良を先に洗い出し、それぞれに相性の良い方式を割り当て、必要なら併用するのが現実的だと考えます。
多くの場合、そのままの流用は難しいと考えられます。一般的なカラーカメラはIRカットフィルタが入っておりNIRが写りにくく、NIR域に感度を持つセンサやNIR対応の光源、収差を抑えたレンズが別途必要になることが多いためです。まず現物で写るかを検証してから機材を決める進め方が、無駄な投資を避けやすいと考えます。
検査自体を直接規定する規制は用途によりますが、食品表示・異物混入・製品安全などの関連制度は業種ごとに存在します。含水率や成分の管理値を対外的な品質保証に用いる場合は、根拠となる基準法や表示ルールとの整合が求められることがあります。具体的な適用範囲や数値基準は、所管省庁の最新の公表資料でご確認ください。
NIRで何がどこまで写るかは、現物を当ててみないと分かりません。撮像設計・NIR光学・AI/エッジまでを一気通貫で見て、まずは小さく検証から始めます。方式選定に迷う段階でも、現物を前提にご相談ください。
NIRを含む撮像設計について相談する