医薬ブリスター（PTP）のヒートシール不良・封止漏れ・成形不良を画像で検査するための論点を整理します。透明フィルムとアルミ箔という相反する被写体をどう撮るか、撮像設計・照明・判定の勘所と、現物検証を前提にした進め方を解説します。
医薬品のブリスターパック（日本ではPTP=Press Through Packageと呼ばれることが多い包装形態）は、樹脂フィルムを成形して作ったポケットに錠剤やカプセルを収め、アルミ箔を主体とするリッド材をヒートシール（熱と圧で溶着）して封止する構造です。患者がフィルム側から押し出すと、アルミ箔が破れて中身が取り出せます。この「押し出して破れる」という機能と「保管中は確実に封じられている」という機能を、薄い一枚のシートで両立させているのがブリスターの特徴です。
包装検査というと、異物の混入、印字（ロット・期限）の読み取り、錠剤の計数や欠錠といった論点がまず思い浮かびます。これらはこれらで重要なのですが、本記事が扱うのはそれらとは独立した「シール・封緘の合否」です。中身が正しく入っていても、シールが連続して形成されていなければ防湿・気密が損なわれ、薬剤の品質保証そのものが崩れます。逆に、シールが過剰だったり成形ポケットが変形していれば、押し出し時に箔が割れず服用性に影響することもあります。つまりシール検査は、内容物の検査とは別軸の品質保証だと整理するのが妥当だと考えます。
現場で「シール不良」と呼ばれる現象を分解すると、少なくとも次のような異なる欠陥が含まれます。それぞれ発生メカニズムも、画像での見え方も異なります。
これらを一つの検査ロジックでまとめて「OK/NG」にしようとすると、どうしても無理が生じます。後述するように、欠陥の種類ごとに「どう照らせば差が出るか」が違うためです。まずは自社のラインで実際に何が出ているのか、不良サンプルを並べて分類するところから始めるのが、遠回りに見えて確実だと考えます。
医薬品包装は規制産業の領域であり、検査の合否基準やバリデーション、変更管理の考え方が他産業より重くなります。AIによる外観検査を導入する場合も、「なぜその判定になったのか」をある程度説明でき、基準を文書化・再現できることが求められやすい点は、技術選定の段階から意識しておくべきだと考えます。この観点はVLMと従来型ディープラーニングの違いとも関わるため、後段で触れます。
ブリスターのシール検査における最大の技術論点は、撮像設計です。アルゴリズム以前に「欠陥が画像上で差として現れているか」が決まらなければ、どんな判定器を持ってきても見えないものは見えません。ここではブリスター固有の被写体特性を踏まえた照明・撮像の考え方を整理します。
ブリスターは、ポケットを成形した透明（または半透明）樹脂フィルムと、それを封じるアルミ箔リッド材から構成されます。透明フィルムは光を透過し、アルミ箔は光を強く正反射します。この二つは撮像上まったく性質が異なる被写体です。透明部に露出を合わせれば箔はハレーションで白飛びし、箔に合わせれば透明部は暗く沈みます。一台のカメラ・一つの照明で両者を同時に最適化するのは難しいと考えるのが出発点です。
したがって現実的なアプローチは、「検査したい欠陥ごとに、それが最も見えやすい照明・撮像条件を割り当てる」ことだと考えます。たとえばフィルム側ポケットの割れや白化は透過照明（背面から光を当て、ポケットを透かして見る）で差が出やすく、アルミ箔のシール溶着むらやしわは反射照明、特に角度を浅くしたローアングル照明（低角度照明）で表面の凹凸を陰影として浮かせる方が見える、といった具合に、複数の撮像系を組み合わせる発想です。
ヒートシールの溶着部は、金型のシールパターン（網目状やローレット状の凹凸）が転写され、規則的なテクスチャを形成します。溶着が十分なら、このパターンが連続して均一に出ます。逆に溶着抜けやしわがあると、パターンが途切れたり、流れたり、局所的に潰れたりします。つまり「シール溶着部の規則テクスチャの連続性・均一性」が、シール健全性の有力な手がかりになり得ると考えます。
このテクスチャを撮るには、正面からの拡散照明よりも、浅い角度から当てて凹凸を陰影に変換するローアングル照明が向くことが多いです。鏡面のアルミ箔は照明角度に敏感で、わずかな角度違いで見え方が大きく変わるため、ここは現物で角度を振りながら最適点を探す前提になります。金属の鏡面・ハレーション対策は金属部品検査でも共通する難所であり、知見を流用できる部分があると考えます。
アルミ箔のピンホールや箔破れは、暗環境で背面から強い光を当てると、穴を通して光が漏れる点として検出できる可能性があります。アルミ箔は本来不透明なので、健全部は光を通さず、欠陥部だけが輝点として現れる、という原理です。ただしこれは穴のサイズ・箔厚・印刷層の有無に大きく左右され、すべてのピンホールが見えるわけではない点に注意が必要です。あくまで外観スクリーニングであり、気密の物理試験を代替するものではないと考えます。
欠陥ごとに撮像条件を分けると、理屈の上ではカメラ・照明が増えます。一方で実機ではタクト（処理速度）の制約があり、PTP包装機は高速で連続送りされます。ここは「何台のカメラで、どの面を、どの瞬間に撮るか」というステーション設計の問題になります。すべてを一気に欲張らず、まず最も重要かつ発生頻度の高い欠陥（多くの場合シール溶着抜け）から優先的に撮像系を固め、段階的に拡張していくのが現実的だと考えます。エッジ側での高速処理という観点ではJetsonによるエッジ検査の考え方が参考になります。
撮像で欠陥が画像上の差として現れるようになったら、次は判定です。シール検査では、欠陥の性質に応じて判定手法を使い分ける設計が向くと考えます。一つの万能手法に寄せるのではなく、得意分野で組み合わせる発想です。
ポケットとシール線の相対位置、シール幅、ミシン目位置、ポケット個数といった「測れる」項目は、エッジ抽出・テンプレートマッチング・しきい値処理といった古典的な画像処理で安定して扱えることが多いです。これらは判定根拠が明快で、規制産業で求められる説明性・再現性とも相性が良いと考えます。AIを名乗る前に、まずルールベースで取れるものは取り切る、という順序が結果的に堅牢な検査につながると考えます。寸法系の論点は寸法検査のガイドに通じます。
シール溶着のむら、しわ、白化、微小な噛み込みといった欠陥は、正常品自体にも個体差・ロット差があり、ルールのしきい値だけでは過検出と見逃しの両立が難しくなりがちです。こうした「正常の幅が広く、欠陥との境界が曖昧な」対象は、ディープラーニングによる外観検査（正常品の特徴を学習する異常検知的アプローチを含む）が効くことが多いと考えます。ただし学習には正常・不良の現物画像が一定量必要で、特に不良は希少なため、データ収集の計画が成否を分けます。目視検査をAIに置き換える際の一般的な落とし穴とも重なります。
近年のVLM（視覚言語モデル）は、「シール部に連続した網目模様があり、途切れや流れがないこと」といった検査基準を自然言語に近い形で扱える可能性があり、少量サンプルでの立ち上げや、多品種・小ロットで品目ごとに学習データを十分に貯められない現場での柔軟性に期待が持てると考えます。一方で、規制産業での判定の安定性・説明性をどう担保するかは慎重に検討すべき論点です。VLMと従来型の使い分けはVLMと従来DLの比較で整理しています。どの手法が自社の欠陥に効くかは、最終的には現物での比較検証で決めるのが確実だと考えます。
医薬包装ラインは、同じ機械で複数の品目（錠剤形状・ポケット数・シートサイズ・印刷の異なるもの）を切り替えて生産することが珍しくありません。検査側も品目ごとに撮像条件・判定基準を切り替える「レシピ管理」が必要になります。品目追加のたびに大量の再学習が要るような設計だと運用が回らないため、レシピ切替の容易さ・品目追加コストを、手法選定の評価軸に最初から入れておくべきだと考えます。多品種対応の考え方は多品種SKU検査の論点が参考になります。
検査が技術的に成立しても、ラインに組み込んで安定運用できなければ意味がありません。ここでは医薬包装ラインに固有の運用論点を整理します。
PTP包装機は高速・連続で、検査ステーションでNGと判定されたシートやポケットを確実に排出（リジェクト）する機構との同期が必要です。検査結果と排出機構をどのタイミングの信号で結ぶか、排出ミスをどう検知するかは、検査そのものと同じくらい重要な設計項目です。既存設備への後付けの場合は、PLCや制御盤との信号連携が論点になります。この種のライン接続はPLCとAIの連携やハードウェア統合の領域です。
規制産業では、いつ・どのロットで・どの判定がなされたかの記録保持が重要になります。検査画像やログをどの粒度で、どれだけの期間保存するか、ロット情報とどう紐づけるかを、システム設計の早い段階で決めておく必要があると考えます。後から記録要件が増えるとストレージや構成の見直しが発生しやすいためです。データ基盤の観点は工場データ基盤が関わります。
医薬品製造では、検査装置の適格性評価（据付・運転・性能の確認）や、ソフト更新時の変更管理が求められやすい領域です。AIモデルを使う場合、モデル更新をどう管理し、再バリデーションの範囲をどう定義するかは、運用開始前に方針を決めておくべき論点だと考えます。これは技術というより運用ガバナンスの設計であり、現場・品質保証部門との合意形成が前提になります。一般的なPoCからの立ち上げの注意点はAI検査PoCが失敗する理由に整理があります。
新規ラインを一から組むケースより、既存のPTP包装機に検査ステーションを後付けしたい、という相談の方が多いと考えられます。後付けの場合、設置スペース・照明の固定・振動・既存光源との干渉といった物理的制約が、検査精度を左右することが少なくありません。エッジAIのレトロフィットの発想で、既存設備を活かしつつ段階導入する進め方が現実的だと考えます。
シール検査の立ち上げで実際に問題になりやすいポイントを、落とし穴としてまとめます。多くは技術そのものより、運用条件の詰めの甘さに起因すると考えます。
これらは事前にすべてを潰しきれるものではなく、立ち上げ期に現物を回しながら一つずつ収束させていく性質のものだと考えます。だからこそ、いきなり全数本番に乗せるのではなく、限定条件での検証から始める進め方を推奨します。
最後に、ブリスターのシール検査AIを実際に進める際の道筋を、段階で整理します。順序を飛ばさないことが、結果的に近道になると考えます。
まず自社のラインで実際に発生している不良を、本記事冒頭の分類（溶着抜け・しわ噛み込み・ピンホール・成形欠陥・位置ずれ）に沿って棚卸しします。発生頻度と流出時の影響度で優先順位をつけ、「最初にどの欠陥を確実に捕まえたいか」を一つ二つに絞ります。欲張らず絞ることが、撮像設計の集中につながります。
絞った欠陥に対し、現物のサンプル（正常・不良の両方）を使って撮像実験を行います。透過/反射/低角度照明を振り、その欠陥が画像上で安定して差として出るかを確認します。ここで「そもそも見えない」なら、アルゴリズム以前に撮り方を変える必要があります。この撮像実験こそが、シール検査の成否を最も大きく左右する工程だと考えます。
撮像で差が出ることを確認できたら、ルールベース／ディープラーニング／VLMのうち、その欠陥に合う手法を現物データで比較します。過検出率・見逃し率を実データで測り、ラインタクトに乗るかも併せて検証します。PoCの設計を誤ると判断材料が得られないため、評価指標と合否ラインを事前に定義しておくことが重要です（PoC失敗の理由参照）。
判定が成立したら、排出機構との同期、トレーサビリティ、記録保持、レシピ管理を作り込みます。ここは技術というより設備・運用・品質保証との擦り合わせが中心になります。PoCコンサルティングやハードウェア統合の枠組みで、段階的に本番へ移していく進め方が現実的だと考えます。
稼働後も、新しい不良パターンの発生、資材変更、照明劣化に応じて基準を見直す継続改善が必要です。検査は「入れて終わり」ではなく、ラインとともに育てていくものだと考えます。運用監視の観点はモニタリングが関わります。
ここまで述べてきた通り、ブリスターのシール検査は被写体の二面性ゆえに撮像設計の比重が非常に大きく、机上のスペックだけで成否は決まりません。Nsightには元キーエンス画像処理事業部出身の監修者が在籍しており、照明・レンズ・撮像条件の詰め方や、過検出と見逃しのバランス設計について、製造現場での実務知見を踏まえた検討が可能だと考えます。とはいえ最終的に効くかどうかは、御社の現物サンプル・実際のラインで確かめるのが確実です。まずは不良サンプルを持ち寄って「見えるか」を一緒に検証するところから始めることを推奨します。医薬包装全体の検査論点は包装検査ソリューションも併せてご覧ください。
完全な置き換えにはならないと考えます。画像検査は外観から推定できるシール不良（溶着抜け・しわ・成形欠陥・一部のピンホール）の早期発見・全数スクリーニングに向きますが、気密の物理的な保証はサンプリングの物理試験が担う領域です。両者を役割分担させ、外観で拾える不良は全数で早期に弾き、機能保証は物理試験で確認する、という前提で設計するのが現実的だと考えます。
一つの照明・露出で両方を最適に撮るのは難しいと考えます。透明部に合わせれば箔が白飛びし、箔に合わせれば透明部が沈むためです。現実的には、検査したい欠陥ごとに照明と撮像条件を分け、複数の撮像系を組み合わせる設計が向きます。ただしカメラを増やすほどコストとタクトに影響するため、優先度の高い欠陥から段階的に撮像系を固める進め方を推奨します。
不良が希少なのは医薬包装では一般的で、それ自体が大きな論点です。対応としては、溶着条件を意図的に外して不良を作る、過去の不良を保管しておく、正常品の特徴を学習する異常検知的アプローチを使う、VLMで少量から立ち上げる、といった選択肢があります。どれが適するかは現物次第のため、まずデータ確保の計画を立てることが立ち上げの第一歩になると考えます。
可能性はあると考えますが、品目ごとの撮像条件・判定基準の切替（レシピ管理）と、品目追加コストの低さが鍵になります。品目追加のたびに大量の再学習が必要な設計だと運用が回りにくいため、レシピ切替の容易さを手法選定の評価軸に含めることを推奨します。VLM的なアプローチが小ロットでの柔軟性に寄与する可能性もあり、現物での比較検証で見極めるのが確実だと考えます。
手法によります。位置・寸法・シール連続性のような測れる項目は古典的画像処理で扱え、判定根拠が明快で説明性・再現性とも相性が良いと考えます。一方、ばらつきの大きい欠陥に使うディープラーニングやVLMは、説明性とバリデーション・変更管理の設計を慎重に行う必要があります。何をルールベースで、何をAIで担うかを切り分け、説明が重要な項目はできるだけ明快な手法に寄せる設計が、規制対応とも整合しやすいと考えます。
ブリスターのシール検査は撮像設計が成否を大きく左右します。御社の正常・不良サンプルを使った撮像検証から、元キーエンス出身の監修者とともに一緒に確かめていけます。
シール検査の現物検証を相談する