リベット、セルフピアスリベット(SPR)、かしめ締結の「打ち忘れ」「頭の成形不良」「浮き・座りの不良」を画像AIで検査する考え方を、ねじ締結との役割の違いを整理しながら解説します。現物検証を前提とした実装の勘所まで。
リベット締結やかしめ締結は、ボルト・ナットのような「締めて、必要なら緩めて締め直す」可逆的な接合とは性質が異なります。リベットは軸を塑性変形させて頭を成形し、セルフピアスリベット(SPR)は母材を貫通・かしめながら一発で接合し、かしめ(クリンチ・スウェージ含む)は材料そのものを変形させて噛み合わせます。いずれも一度成形すると非破壊では元に戻せない不可逆な接合であり、ここに検査の難しさと重要性が同居していると考えます。
不可逆であるということは、後工程や出荷後に「打ち忘れていた」「頭が割れていた」「浮いていた」と気づいた場合、リワーク(打ち直し)が困難、あるいは母材ごと廃棄という判断になりやすいことを意味します。自動車のボディや内装ブラケット、家電の筐体、電池パックのタブ接続など、リベット/かしめが多用される領域では1台あたりの締結点数が数十〜数百に及ぶこともあり、1点の見逃しが大きな手戻りにつながる可能性が高いと考えられます。
人手検査や単純なセンサでありがちなのは、「リベットがそこに在るか/無いか」だけを見てしまうことです。しかしリベット・かしめの品質は、在ることに加えて「正しく成形されているか」「母材にきちんと座っているか」まで揃って初めて担保されます。頭が在っても割れていれば締結力は不足しますし、浮いていれば防水・防錆・電気的接触の要件を満たさない可能性があります。つまり「有無・成形・座り」の三層をそれぞれ見る必要があると考えます。
もう一つの難所は撮像です。リベットやかしめ部は多くが金属で、母材も金属であることが多いため、被写体と背景のコントラストが乏しく、かつ光沢(正反射)によってハレーションや黒つぶれが起こりやすい対象です。塗装後・めっき後であればさらに反射特性が変わります。照明・角度・分解能を対象に合わせて設計しないと、欠品の有無すら安定して判別できないことがあるため、撮像設計が検査精度を大きく左右すると考えます。金属部品の見えにくさという共通課題は外観検査の限界と対策でも触れているテーマです。
同じ「締結部品の検査」でも、ねじ・ボルトは締結後も増し締め・やり直しが効くため、検査の主眼は「存在」「座面の着座」「(トルクや回転による)締結状態」に置かれがちです。一方リベット・かしめは塑性加工の一発勝負であり、「成形の良否」そのものが品質になります。本記事はこの違いを踏まえ、ねじ系検査とは切り分けて、かしめ・リベット特有の論点に絞って解説していきます。締結部品全体の外観検査の総論は金属部品の外観検査もあわせてご参照ください。
リベット・かしめ検査を設計するとき、最初に行うべきは要求を3つの層に分解することだと考えます。それぞれ見るべき特徴量、必要な分解能、適した撮像が異なるため、一括りに「リベット検査」と呼んだまま進めると、要件が曖昧になり手戻りが起きやすくなります。
最も基本的かつ、見逃したときの影響が大きいのが「打ち忘れ」です。複数のリベット/かしめ点があるアセンブリでは、本来N点あるべきところがN-1点になっていないかを点数で確認します。ここで重要なのは、「位置が決まっている穴に対して、成形物が在るか」を見ることです。母材の穴(下穴)だけが残っている=未打設、という状態を検出できる設計にする必要があります。穴と打設後の見え方の差(輪郭・テクスチャ・高さ)を手がかりにすると考えます。位置基準で点数を数える発想は数量カウントAIと通じる部分があります。
打設されていても、頭の成形が不十分・過大、あるいは割れ(クラック)が入っていれば締結力が確保できません。リベットなら頭の高さ・直径・つぶれ具合・偏り、SPRなら頭の沈み込み量や周囲の盛り上がり、かしめならかしめ幅・かしめ深さや割れの有無が対象になります。ここは寸法的な評価と外観的な評価が混在する領域で、高さ方向の情報が効くケースが多いと考えます。寸法を主眼にする場合は寸法検査の進め方の考え方も参考になります。
頭が成形されていても、母材から浮いていれば締結品質を満たしません。フランジ部と母材の間に隙間がある、片当たりで斜めに座っている、母材が変形して持ち上がっている、といった状態です。浮きは平面の二次元画像だけでは判別しづらく、斜め照明による影、複数角度、あるいは高さ計測を組み合わせる必要が出てくることが多いと考えます。隙間=影、という光学的な手がかりをどう作るかが設計のポイントになります。
実運用では、1つの撮像系で3層すべてを賄えないこともあります。たとえば「有無」は広い視野で一括撮像、「成形・浮き」は要所を高分解能で個別撮像、というように層ごとに撮像を分けることも現実的な選択肢だと考えます。どこまでを1台で見て、どこから分けるかは、タクトタイム・点数・要求精度のバランスで決めるべきで、これは現物での検証を通じて詰めるべき部分だと考えます。
リベット・かしめ検査の成否は、AIモデル以前に撮像設計でほぼ決まると言っても過言ではないと考えます。被写体が金属で光沢があり、母材との色差が小さいという条件は、外観検査の中でも難易度が高い部類です。ここでは設計上の勘所を整理します。
金属面の検査では、正反射(テカリ)をどう扱うかが第一の分岐点です。頭の成形面の凹凸を見たいときは、あえてローアングルの斜め照明で陰影(シェーディング)を作って凹凸を可視化するアプローチが有効なことが多いと考えます。一方、表面の傷や割れを面で均一に見たいときは、ドーム照明や同軸落射で反射ムラを抑える方向が向くことがあります。浮き・隙間の検出には、隙間に影を落とすような低角度照明が効くケースが多いです。「何を見たいか」で照明の向き・拡散度を変える設計が前提になります。
1方向の照明では、ある角度の不良は見えても別の角度の不良が黒つぶれする、ということが起こります。リベット頭のような立体物では、方向を変えた複数枚を撮って合成・比較する(フォトメトリックな考え方)ことで、単灯では拾えない凹凸・割れを浮かび上がらせられる可能性があります。点数が多くタクトが厳しい場合は、照明を瞬時に切り替えて連写する構成も検討対象になると考えます。
頭の高さ、沈み込み量、浮き量といった「Z方向」の良否は、二次元の明暗だけでは安定しないことがあります。要求精度が高い場合は、ラインレーザによる三角測量や、複数視点からの形状復元といった高さを取りにいく手段を検討する価値があると考えます。ただし高さ計測はタクト・コストへの影響が大きいため、全点に適用するのか、二次元で疑わしい点だけを高さ計測に回すのか、といった段階的な設計が現実的だと考えます。
アセンブリは個体ごとに微妙に位置・姿勢がずれます。リベット点の位置を母材の基準(エッジ・穴・マーク)から相対的に求めるなど、位置ばらつきに強い基準合わせを入れておかないと、点数カウントや要所の切り出しが不安定になります。固定治具での位置決めが効く場合もあれば、画像側で基準合わせをする方が柔軟な場合もあり、ラインの実情に合わせて選ぶべきだと考えます。撮像系の選定そのものについてはハードウェア統合の観点も関わってきます。
検出ロジックには複数の選択肢があり、不良の性質に応じて使い分けるのが現実的だと考えます。「とにかく最新のAIを」ではなく、不良ごとに最も安定する手段を割り当てる発想が、結果的に歩留まりと安定性につながると考えます。
「N点あるべきものがN点あるか」のような欠品検査は、位置基準が安定していれば、テンプレートマッチングやブロブ解析といった古典的画像処理でも高い再現性を出しやすい領域だと考えます。学習データが少なくても作りやすく、判定根拠が説明しやすいという利点があります。まずここを堅く作り、難所だけ学習型に委ねる、という順序が手堅いと考えます。
頭の割れ、つぶれ、偏りといった「見た目のばらつきが大きく、ルール化しづらい」不良は、良品/不良品の画像から学習する深層学習が向くことが多いと考えます。ただし不良サンプルが集まりにくいのが現場の常で、良品学習(正常からの逸脱を見る)や、データ拡張、撮像条件の固定によるばらつき低減といった工夫が前提になります。学習型と従来手法の違いはVLMとディープラーニングの比較でも整理しています。
視覚言語モデル(VLM)は、「複数の不良種別を一つのモデルで扱いたい」「言語的な判定基準(例:頭が割れている/浮いている/未打設)で柔軟に切り分けたい」「少量データで立ち上げたい」といった場面で寄与する可能性があると考えます。多品種・少量で、品種ごとに専用モデルを作り込む工数が見合わない現場では特に検討の価値があると考えます。一方で、微細な寸法判定や厳密な高さ評価はVLM単体では不得手なこともあり、古典処理・計測と組み合わせるハイブリッドが現実解になることが多いと考えます。エッジでのVLM活用はエッジVLMの領域とも重なります。
締結工程はタクトが速く、ライン直結でリアルタイムに合否を返す必要があるケースが多いため、クラウド往復よりエッジ処理が向くことが多いと考えます。現場で完結すれば通信や外部依存のリスクも下げられます。エッジとクラウドの使い分けはエッジとクラウドの比較、ライン直結の検査基盤はAI外観検査で扱っています。
不可逆締結であるリベット・かしめは、「検査して終わり」ではなく、結果をどう記録し、どう後工程・トレーサビリティに結びつけるかまで含めて設計すべきだと考えます。特に自動車・電池・医療系など、後追いで品質を証明する必要がある領域では、検査の記録性が品質保証そのものの一部になります。
合否だけでなく、判定根拠となった画像・該当箇所・(可能なら)計測値を製品個体に紐づけて残しておくと、後から「なぜこの個体を良品/不良品と判定したのか」を遡れます。NG時の画像を確実に残すことは、流出原因の特定や工程改善のループを回す上で価値が高いと考えます。データを工程横断で扱う基盤は工場データ基盤の領域です。
未打設や成形不良を検出したら、次工程に進めない・流さない仕組み(インターロック)と組み合わせて初めて、検査が「流出防止」として機能します。打鋲機・かしめ機・搬送・PLCとの信号連携をどう設計するかは、現場の制御構成に強く依存するため、現物・現場での擦り合わせが前提だと考えます。PLC連携の考え方はPLC連携でも触れています。
検査装置自体がラインのボトルネックや停止要因になっては本末転倒です。誤検出(良品をNGと判定する過検出)が多いと現場の信頼を失い、検査が形骸化します。立ち上げ後も判定のしきい値やモデルを継続的に見直し、過検出と見逃しのバランスを現場の許容に合わせて調整し続ける運用が重要だと考えます。装置の状態監視・稼働監視は監視サービスの対象です。
最終的に検査を回すのは現場の方々です。NGの理由が分かりやすく表示される、品種切替が簡単、しきい値調整が現場で完結する、といった「使い続けられる設計」が、長期的な品質安定につながると考えます。導入後の運用・教育まで含めて設計することが、形だけで終わらせないための条件だと考えます。現場定着の観点は教育・定着支援もあわせてご検討ください。
実際に立ち上げる過程で陥りやすい落とし穴を整理します。多くは「撮像で見えていないものはAIでも見えない」「現物の個体差を甘く見る」という二点に集約されると考えます。
これらは個別の対策というより、「撮像・ロジック・運用・連携を一気通貫で設計する」ことで多くが回避できると考えます。失敗しやすいパターンはAI検査PoCがうまくいかない理由にもまとめています。
最後に、リベット・かしめ検査を立ち上げるための現実的な進め方を整理します。いきなり全点・全不良を狙うのではなく、影響の大きいところから段階的に固めるアプローチが手堅いと考えます。
まず、流出したときの影響が大きい不良(多くは打ち忘れ=欠品)から優先順位をつけ、「有無・成形・浮き」の3層に要件を分解します。この段階で「どの面から、どの分解能で、どこまで見るか」を言語化しておくことが、後の撮像設計とロジック選定の精度を決めると考えます。
金属・光沢・低コントラストという対象では、机上の検討だけでは見えるかどうかが判断できません。実際の良品・不良品の現物を、実際の照明・角度・分解能で撮ってみて「見えるか」を確かめることが、最も確実で最も早い検証だと考えます。ここで見えないものは、どんなモデルでも安定しては検出できません。小さく早く撮って確かめる進め方はPoC支援の考え方とも一致します。
撮像で見えることを確認したうえで、有無はルール、成形・割れは学習型、多品種対応はVLM、というように不良ごとに最適な手段を割り当てます。まず一部の点・一部の不良から運用に乗せ、過検出・見逃しのバランスを現場と合意しながら対象を広げていくのが現実的だと考えます。
判定の記録、インターロック、品種切替、しきい値調整の現場完結までを含めて運用に落とし込み、止まらない・使い続けられる状態に育てます。導入後の継続的な見直しこそが品質を安定させると考えます。
Nsightには、キーエンス画像処理事業部出身で、照明・レンズ・撮像と現場の検査要件をすり合わせてきた監修者が在籍しています。リベット・かしめのような「金属・光沢・不可逆・多点」という難条件こそ、撮像設計の良し悪しが結果を大きく分けると考えます。私たちは、机上の仕様だけで断定するのではなく、御社の現物・現場で「本当に見えるか」を一緒に検証しながら進めることを大切にしています。まずは対象部品とお困りの不良を共有いただければ、どの面から・どう撮れば見えうるかの仮説出しからご一緒できると考えます。締結部品全体の外観検査の総論は金属部品外観検査もご参照ください。
位置基準が安定していれば、欠品検査は古典的画像処理でも比較的高い再現性を出しやすい領域だと考えます。ポイントは、母材の下穴だけが残った未打設状態と、打設後の見え方の差(輪郭・テクスチャ・高さ)を撮像できているかどうかです。撮像で差が出ていれば堅く作れる可能性が高いですが、最終的には現物での撮像検証が前提だと考えます。
割れ・つぶれ・偏りといったばらつきの大きい不良は、良品/不良品の画像から学習する深層学習や、正常からの逸脱を見る良品学習が向くことが多いと考えます。浮きは二次元画像だけでは出にくいため、斜め照明や高さ計測の併用を検討します。ただし不良サンプルが集まりにくいのが現場の常なので、撮像条件の固定とデータの工夫が前提になると考えます。
ねじ・ボルトは締結後も増し締め・やり直しが効くため、検査は主に『存在』『着座』『締結状態』を問います。一方リベット・かしめは塑性加工の一発勝負で外せないため、『成形そのものの良否』が品質になります。見るべき特徴量も難所も異なるため、Nsightではかしめ・リベットを別の検査論点として切り分けて扱っています。
SPRやクリンチ・スウェージといったかしめ系も、基本の考え方は同じで『有無・成形・浮き』の3層に分解して設計します。SPRなら頭の沈み込み量や周囲の盛り上がり、かしめならかしめ幅・深さや割れが対象になります。対象ごとに見るべき面と分解能が変わるため、現物を見せていただいた上で撮像方針を一緒に検討するのが確実だと考えます。
締結工程はタクトが速いことが多く、クラウド往復よりエッジでの処理が向くケースが多いと考えます。全点を高分解能・高さ計測まで行うとタクトに影響するため、有無は広視野で一括、成形・浮きは要所だけ高分解能、疑わしい点だけ高さ計測に回す、といった段階的な構成が現実的だと考えます。具体的な構成は現場のタクトと点数に合わせて検証します。
金属・光沢・不可逆・多点という難条件こそ、撮像設計が結果を分けます。元キーエンス画像処理事業部出身の監修者と、御社の現物で『本当に見えるか』から検証します。対象部品とお困りの不良を共有ください。
現物検査の相談をする