製紙・フィルム・不織布などウェブ材の欠陥検査を解説します。高速連続搬送での異物・しわ・穴・筋の検出、ライン速度と撮像の同期、欠陥位置のトレースまで、設計上の勘所と落とし穴を現場目線で整理します。
製紙、プラスチックフィルム、不織布、金属箔、ラミネート材といった「ウェブ材（web material）」は、ロールからロールへと連続したシート状で搬送されながら加工される素材の総称です。個別の製品が一つずつ流れてくる組立部品の検査と異なり、ウェブ材は始点も終点も明確でない「止まらない連続体」を相手にします。この性質の違いが、外観検査の設計を根本から変えると考えます。
一般的なワーク単位の外観検査であれば、ワークがステージに載って静止した瞬間に撮像し、判定し、次のワークを待つ、という「コマ送り」の発想が通用します。しかしウェブ材では、対象は常に動き続け、ライン速度は用途によっては分速数百メートル、秒速にして数メートルから十数メートルに達することもあります。欠陥はその速度で視野を通過していくため、止めて撮るという選択肢が基本的に存在しないと考えるのが現実的です。
ウェブ材検査では、検査対象を「1枚の面」ではなく「無限に続く帯」として捉える必要があります。搬送方向（MD：Machine Direction）と幅方向（CD：Cross Direction）という二軸で材料を理解し、CD方向は1ライン分の幅を一度に、MD方向は時間とともに連続的にスキャンしていく、という構図になります。ラインスキャンカメラが多用されるのも、この「帯を連続スキャンする」発想と相性が良いためと考えられます。
この構図では、検査の取りこぼしは即座に「未検査領域」を生みます。撮像のフレームレートや露光が搬送速度に追いつかなければ、MD方向に検査されていない隙間ができ、そこに欠陥があっても物理的に見えません。つまりウェブ検査は、AIの賢さ以前に「材料の全面を欠けなく撮像できているか」という光学・同期の問題を先に解く必要があると考えます。
ウェブ材の検査は、もともと人の目視に大きく依存してきた領域でもあります。しかし高速で流れ続けるシートを人が目で追い続けるのは、原理的に大きな負荷を伴います。一定速度を超えると人間の視覚は連続体の細部を分解できなくなり、数十センチ角に一点だけ混じる微小異物や、わずかな濃淡差の筋を流れの中で捉えるのは、集中力が高い状態でも難しいと考えられます。さらに、検査員の熟練度や疲労、時間帯によって判定基準が揺れやすく、同じ欠陥でも見る人・見る時間で結果が変わってしまう懸念があります。
こうした目視の限界は、人手不足や技能継承の難しさと重なって、多くの現場で顕在化していると考えられます。ベテランの「勘どころ」を若手に引き継ぐのが難しい、検査員の確保自体が年々厳しくなっている、といった声は珍しくありません。技能継承の観点は外観検査の技能継承でも扱っていますが、ウェブ材のように「速くて止まらない」対象では、機械による連続検査の必然性がいっそう強いと考えます。
もう一つの難しさは、欠陥の評価が単純な良品・不良品の二択になりにくい点です。ウェブ材は最終的に裁断・分割されて使われることが多く、「このロールの、この位置に、この大きさの欠陥がある」という情報が、後工程での歩留まりやクレーム対応を左右します。小さな点欠陥が1点あったからロール全体を廃棄する、という判断は現実的でないことが多く、欠陥の位置・サイズ・種類を記録したうえで、後工程でどう扱うかを決める運用が一般的だと考えられます。
連続体ゆえに見落としてはならないのが、一つの欠陥が下流の工程・製品に連鎖していくリスクです。塗工やラミネートの工程で生じた筋やムラは、それ以降に流れる材料すべてに同じパターンで現れ続けることがあります。発生源を早期に検出できなければ、不良が数百メートル、数千メートル単位で生産され続け、損失が一気に膨らむ可能性があります。ウェブ検査が「リアルタイムでの早期発見」を強く求められるのは、この連鎖性のためだと考えられます。検出が遅れるほど損失が雪だるま式に増える構造を、設計段階から意識しておく必要があると考えます。
したがってウェブ検査は、「不良を弾く」装置というより「材料の状態を連続的に記録し続ける」仕組みに近い性格を持つと考えます。この前提を共有しておくことが、後段の設計議論を噛み合わせるうえで重要だと考えます。関連する考え方は外観検査の限界と解決策でも整理しています。
ウェブ材で問題になる欠陥は多岐にわたりますが、検査設計の観点では「どんな光学条件でその欠陥が顕在化するか」で整理すると見通しが良くなります。同じ材料上の欠陥でも、照明の当て方によって写るものと写らないものがはっきり分かれるためです。ここでは代表的な欠陥種を、見え方の性質ごとに整理します。
紙やフィルムに混入した異物、油汚れ、ピッチ（樹脂分の付着）、印刷抜けや色ムラといった欠陥は、材料表面と異物との明度差・色差として現れます。これらは正反射を避けた拡散反射照明で、背景である正常部とのコントラストを最大化する方向で捉えるのが基本と考えられます。微細な異物ほど背景ノイズに埋もれやすく、照明の均一性とカメラの解像度・S/N比が検出限界を直接左右します。
異物系で厄介なのは、「欠陥か地合いのムラか」の境界が連続的であることです。紙であれば繊維の絡み具合（地合い）、フィルムであれば厚みのわずかな揺らぎが、つねに背景として存在します。この背景の自然な変動を欠陥として拾い始めると過検出が止まらなくなるため、背景の許容変動と欠陥の信号をどこで切り分けるかが、検出設計の肝になると考えます。
穴、ピンホール、フィルムの薄肉部、透明な異物などは、反射光では背景と区別がつきにくい一方、材料の裏側から光を当てる透過照明（バックライト）を使うと、光が「抜ける／抜けない」の差として明瞭に現れます。特にフィルムや薄紙では、透過光配置がピンホール検出の定石的なアプローチと考えられます。ただし透過光は表面の凹凸欠陥には弱いため、反射系の欠陥とは別系統の光学が必要になる点に注意が要ると考えます。
透明フィルムでは、さらに「透明な異物を透明な背景から見つける」という難所があります。屈折率の差や偏光特性を利用して、透明異物だけが明暗・色として浮かび上がる条件を探る必要があり、ここはサンプルを使った現物検証なしには成立条件を断定しにくい領域だと考えます。
しわ、折れ、筋（ストリーク）、スジ状のコーティングムラ、エンボスの乱れといった「形状・凹凸系」の欠陥は、明度差としてはわずかでも、表面の傾きが局所的に変化しています。これらは低角度の斜光照明を当てて陰影（シャドウ）を強調すると顕在化しやすいと考えられます。逆に正面からの均一照明では凹凸が平坦化して見えてしまい、見逃しの原因になり得ます。
筋やムラはMD方向に長く連続することが多く、点欠陥とは検出ロジックも変わります。1ラインだけを見ても判別しにくく、連続した複数ラインにわたる方向性・周期性を捉えて初めて「筋」と認識できることがあります。欠陥の空間的な広がりまで含めて設計に織り込む必要があると考えます。
ここまでで分かる通り、異物（反射）・穴（透過）・しわ（斜光）は、それぞれ求める光学条件が相反する場面すらあります。単一カメラ・単一照明で全欠陥種を均等に捉えようとすると、どこかの欠陥種が必ず弱くなる可能性が高いと考えられます。実務では、欠陥種を優先度づけし、主要欠陥に最適な光学を軸に据えたうえで、必要に応じて反射系と透過系を組み合わせる、といった割り切りが現実的だと考えます。照明設計そのものの勘所は外観検査自動化のガイドもあわせてご参照ください。
欠陥の見え方が整理できたら、次は「動き続ける材料を、欠けなく・ブレなく撮像する」という物理の問題に移ります。ここはAIの性能以前の前提条件であり、ここが崩れていると、どれほど優れた検出モデルを載せても性能が出ないと考えます。ウェブ検査が「カメラと照明とラインの同期で大半が決まる」と言われることがあるのも、この理由だと考えられます。
ウェブ材検査では、CD方向の1ライン分を高速に読み続けるラインスキャンカメラが広く用いられます。連続体を「帯」としてスキャンする発想と相性が良く、MD方向に継ぎ目のない画像を構築できるためです。一方、エリアスキャンカメラはフレーム単位で面を撮るため、フレーム間に未撮像領域が生じないようオーバーラップを設計する必要があります。どちらを選ぶかは、要求解像度・視野幅・ライン速度・欠陥サイズの兼ね合いで決まると考えられます。
幅の広いウェブ材では、1台のカメラで全幅を必要解像度で捉えきれないことが多く、複数カメラを幅方向に並べて視野をつなぐ構成が一般的です。このとき、カメラ間のつなぎ目（境界）で欠陥を取りこぼさないよう、視野のオーバーラップと座標のキャリブレーションを丁寧に設計する必要があると考えます。
設計の出発点は「検出したい最小欠陥は何ミリか」です。たとえば0.3mmの異物を取りこぼしなく捉えたいなら、その欠陥が画像上で複数画素を占めるだけの解像度（1画素あたりの実寸法）が必要になります。視野幅（材料幅）と必要画素分解能が決まれば、必要なカメラ画素数が決まります。そしてライン速度が決まれば、MD方向の取りこぼしを防ぐために必要なスキャンレート（ラインレート）が決まります。この三者──解像度・視野幅・ライン速度──は相互に拘束し合うため、どれか一つを欲張ると他が破綻しやすいと考えます。
たとえば「より小さい欠陥を捉えたい」と解像度を上げれば、同じライン速度を保つにはより高いラインレートと、より多くのデータ処理能力が必要になります。要求を上げるほど機材・処理のコストが跳ね上がる構造があるため、事業上どこまでの欠陥を本当に捉える必要があるのかを先に握ることが、過剰スペックを避けるうえで重要だと考えます。
高速搬送では、1ラインを取り込む露光時間が極端に短くなります。露光が長すぎれば材料の移動でMD方向にブレ（モーションブラー）が生じ、微細欠陥が伸びてぼやけます。露光を短くすればブレは抑えられますが、今度は光量が不足してS/N比が落ちます。この相反を埋めるのが高輝度のライン照明であり、ウェブ検査で照明が決定的に重要になる構造的な理由だと考えられます。LED照明の輝度・均一性・経時劣化までを含めて設計する必要があると考えます。
ラインは常に一定速度で流れるとは限りません。立ち上げ・停止・速度変更のたびにライン速度は変動します。撮像をライン速度に追従させるため、ロールやライン軸にエンコーダを取り付け、その回転パルスに撮像トリガを同期させる構成が一般的と考えられます。これにより、速度が変わっても1ラインあたりのMD送り量が一定に保たれ、画像の縦横比の崩れや取りこぼしを防げます。エンコーダ同期は、後述する欠陥位置トレースの基盤にもなります。
逆に言えば、エンコーダ同期がない、あるいは精度が不十分な構成では、速度変動時に画像が縦に伸び縮みし、欠陥のサイズ測定や位置記録の信頼性が落ちます。「どこに欠陥があったか」を後から正確に言えるかどうかは、この同期設計に強く依存すると考えます。
こうした撮像・同期・照明・エッジ処理の物理設計は、ソフトと切り離して考えられません。現場でのハードウェア統合を含めて一体で詰めることが、ウェブ検査では特に重要になると考えます。
撮像が物理的に成立した前提で、初めて「欠陥をどう判定するか」というアルゴリズムの話になります。ここで重要なのは、ウェブ検査のすべてをAIに任せる必要はない、という割り切りだと考えます。古典的な画像処理が得意な領域とAIが効く領域は異なり、それぞれの強みを役割分担させる設計が現実的だと考えられます。
背景とのコントラストが明確な異物点、しきい値で抜ける穴、輝度プロファイルで検出できる筋といった「物理的に説明できる」欠陥は、二値化・ブロブ解析・差分・周波数フィルタといった古典的手法で高速かつ安定に検出できることが多いと考えられます。高速ラインでは1ラインあたりの処理時間に厳しい制約があるため、軽量で決定的な処理を主軸に置くことは、性能面でも保守面でも合理的だと考えます。挙動が説明可能であることは、後からのチューニングや原因究明のしやすさにもつながります。
一方で、しきい値では切り分けにくい欠陥──正常な地合いムラと異常なムラの境目、複数の見え方が混在する複合欠陥、軽微なものが集まって初めて不良となるケースなど──は、ルールで書き切ろうとすると例外だらけになりがちです。こうした「人が見れば分かるが言語化しづらい」判断には、学習ベースのAIや、文脈を解釈できるVLM（Vision Language Model）的なアプローチが寄与し得ると考えます。AIとルールベース、ディープラーニングの位置づけはVLMとディープラーニングの比較でも整理しています。
ただしAIを使う場合、学習に必要な欠陥サンプルをどう集めるかという現実的な壁があります。ウェブ材の欠陥は稀少なものほど集めにくく、種類によっては年に数回しか発生しないこともあります。良品データから外れ値を検出する異常検知的な考え方や、わずかな欠陥サンプルを増強する工夫など、データ事情に応じた設計が必要になると考えます。
ウェブ検査で実運用上いちばん問題になりやすいのは、見逃しよりも過検出（正常を欠陥と判定する誤報）であることが少なくないと考えられます。地合いの自然なムラ、許容範囲内の濃淡、水滴や埃の一時的な付着までを欠陥として拾い続けると、アラートが鳴りやまず現場が検査を信用しなくなります。検出感度を上げることと、過検出を抑えることはトレードオフであり、欠陥種ごとに許容基準を握ったうえでチューニングする必要があると考えます。この合意形成はPoC・導入コンサルティングの中でも要になる部分です。
高速・大容量の画像をすべてクラウドへ送って判定するのは、帯域・遅延・コストの面で現実的でないことが多いと考えられます。カメラ近傍のエッジ側で一次処理・一次判定を行い、必要な情報だけを上位に送る構成が、ウェブ検査では合理的だと考えます。エッジとクラウドの判断はエッジ vs クラウドの検査AIもあわせてご参照ください。リアルタイム性が求められる早期発見の観点でも、判定が手元で完結することの価値は大きいと考えます。
ウェブ検査が「不良を弾く」装置ではなく「材料の状態を記録し続ける」仕組みである以上、欠陥を検出したあとに「それがロールのどこにあるか」を残せるかどうかが、実用価値を大きく左右すると考えます。検出だけして位置情報がなければ、後工程はそのロールのどこを避ければよいか分からず、結局はロール単位の粗い判断に戻ってしまうためです。
前段で述べたエンコーダ同期があれば、検出した欠陥がロール始点から何メートルの位置（MD距離）にあるか、幅方向のどの位置（CD位置）にあるかを座標として記録できます。これにより「ロールAの先頭から1,250mの位置、左端から320mmに直径0.5mmの異物」といった粒度で欠陥を台帳化できます。この座標が、後工程での部分廃棄・面付け回避・優先検品の指示につながると考えます。
記録した欠陥群をMD-CD平面上にプロットすると、ロール全体の「欠陥マップ」ができます。欠陥が特定のCD位置に縦筋状に並べば、ダイやロール、スリッタの特定箇所に起因する可能性が見えてきますし、MD方向に周期的に現れれば、回転体の周長と紐づけて原因を推定できる可能性があります。つまり位置トレースは、不良の発見だけでなく「不良を生んでいる工程の特定」という上流改善にも寄与し得ると考えます。工程の見える化という観点は工程見える化ソリューションとも接続します。
欠陥マップは、現場が一目で「このロールはどこが弱いか」を把握できる形にすることが重要だと考えます。数値の羅列ではなく、ロールを模した二次元の図として欠陥の分布を可視化できれば、後工程の判断やラインの改善ミーティングでそのまま使えます。情報を貯めることと、それを現場が読める形にすることは別物だという点を意識する必要があると考えます。
出荷後に顧客先で不良が見つかった際、「どのロットの、どの位置で、どんな欠陥が記録されていたか」を遡れることは、原因究明と再発防止の説得力を大きく高めると考えます。検査データが製造データと紐づいて保存されていれば、後からの分析・監査にも耐えやすくなります。データを蓄積・活用する基盤は工場データ基盤の考え方が参考になると考えます。
欠陥マップは、ロールに貼る検査成績の帳票、次工程への引き継ぎ情報、上位の生産管理システムへの連携データとして活かせます。ここで重要なのは、現場が実際に使える形式・粒度で出力することだと考えます。情報が多すぎて読み解けなければ使われませんし、粗すぎても判断材料になりません。どの欠陥を、どの粒度で、誰に渡すかは、運用設計の中で現場と握るべき項目だと考えます。検査結果を「貯めるだけ」で終わらせず、判断と改善のループに乗せることが、投資を回収する分かれ目になると考えます。
ウェブ材検査の導入では、技術そのものよりも「前提条件の詰め漏れ」でつまずく場面が多いと考えられます。ここでは、検討段階で押さえておきたい代表的な落とし穴を整理します。いずれも、現物・現場での検証を通じて早期に潰しておきたい項目です。
これらは個別の技術課題というより、要件定義・トライアル設計・運用設計を通じて先回りで潰すべき項目です。導入前の評価をどう組むかが検査の成否を分けると考えます。机上のスペック比較だけでこれらを判断しきるのは難しく、実材料・実ラインでの確認が前提になると考えます。
ウェブ材検査は、机上のスペック比較だけで決めきれる領域ではないと考えます。材料の地合い、欠陥の見え方、ライン速度、現場環境はそれぞれ固有で、同じ「製紙ライン」「フィルムライン」でも条件が一つ違えば最適な構成は変わり得ます。だからこそ、現物・現場での検証を起点に段階的に進めることをおすすめします。
まず「何を欠陥とするか」「どの欠陥が事業上いちばん痛いか」を現場と握ります。異物・穴・しわ・筋・色ムラのうち、どれを最優先で捉えたいか、それぞれの最小サイズと許容基準は何かを言語化します。ここが曖昧なまま機材を選ぶと後で破綻しやすいため、もっとも時間をかけるべき工程だと考えます。クレームや歩留まりへの影響が大きい欠陥から優先度をつけると、投資の判断もしやすくなると考えます。
優先欠陥に対し、反射・透過・斜光のどの光学で顕在化するかを、実際のサンプル・実際の材料で試します。あわせて、目標ライン速度での解像度・露光・ブレ・エンコーダ同期が成立するかを確認します。ここはAI以前の物理であり、現物で確かめないと判断を誤りやすい部分だと考えます。「カタログ上は捉えられるはず」と「実材料で実際に捉えられた」の間には、しばしば大きな隔たりがあると考えます。
古典画像処理とAIの役割分担を仮置きし、過検出と見逃しのバランスを実データで調整します。同時に、欠陥位置のMD/CD記録と欠陥マップが現場の運用に乗るかを確認します。検出と記録を一体で検証することが、後の作り直しを防ぐと考えます。導入前評価の組み立ては検査AI PoCが失敗する理由も参考になります。
清掃・防塵・照明劣化・ロット差への追従・しきい値の見直しといった、立ち上げ後に効いてくる運用要素を設計します。検査は導入して終わりではなく、ラインとともに育てていくものだと考えます。継続的なモニタリングの仕組みもこの段階で検討します。誰が・どの頻度で・何を見直すのかを決めておかないと、時間とともに性能が静かに落ちていく懸念があると考えます。
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・光学・撮像同期というウェブ検査の土台から、AIによる判定、欠陥位置トレースまでを一体で検討しています。ウェブ材は材料ごと・ラインごとに条件が大きく異なるため、カタログスペックで断定することは避け、現物・現場での検証を通じて「本当に捉えられるか」を一緒に確かめることを基本姿勢としています。まずは対象材料とお困りの欠陥について、現物を前提にご相談いただければと考えます。AI外観検査サービスの全体像もあわせてご覧ください。
速度そのものが精度を決めるというより、速度に対して撮像・照明・同期が追いついているかが本質だと考えます。露光時間が短くなることでブレや光量不足が起きやすくなりますが、高輝度ライン照明とエンコーダ同期、適切な解像度設計でこれらは緩和し得ます。重要なのは目標速度での物理成立を現物で確認することだと考えます。
欠陥種ごとに最適な光学条件が異なるため、単一構成で全種を均等に捉えるのは難しい場合が多いと考えられます。異物は反射光、穴は透過光、しわは斜光と相反することもあります。実務では主要欠陥に最適な光学を軸に据え、必要に応じて反射系と透過系を組み合わせる割り切りが現実的だと考えます。
ライン軸のエンコーダと撮像を同期させることで、ロール始点からのMD距離と幅方向のCD位置を座標として記録できます。実用精度はエンコーダ分解能・撮像解像度・速度安定性に依存するため一概には言えませんが、後工程の部分廃棄や原因特定に使える粒度を目標に設計します。現物での検証が前提だと考えます。
過検出は感度と表裏一体であり、欠陥種ごとの許容基準を現場と握り直すことが出発点だと考えます。地合いの自然なムラや一時的な付着を欠陥と分けるには、しきい値だけでなく学習ベースの判定や複合的なロジックが寄与し得ます。見逃しとのバランスを実データで調整する作業が必要だと考えます。
高速・大容量の画像をすべてクラウド送信するのは帯域・遅延・コスト面で現実的でないことが多く、カメラ近傍のエッジで一次処理・判定を行う構成が合理的だと考えます。機密保持の観点でもオンプレ寄りの構成は選択肢になります。要件に応じてエッジとクラウドの役割分担を設計することをおすすめします。
対象材料・お困りの欠陥種・ライン速度をお聞かせいただければ、照明・撮像・判定・位置トレースまでを一体で、現物・現場での検証を前提にご相談に応じます。カタログでの断定ではなく、実際に「捉えられるか」を一緒に確かめるところから始めます。
現物検証・相談を申し込む