ネジ・ボルトの締結後に付ける合いマーク（トルクマーク）のズレ・未マーキング・本数不足を画像検査AIで確認する論点を整理します。マーキングの撮像設計、ズレ判定の考え方、ねじ山欠陥検査との役割分担まで、現場の前提に沿って解説します。
製造ラインでネジやボルトを締結する工程では、規定のトルクで締め付けること自体は、トルクレンチや電動ドライバー（ナットランナー）の管理で担保されているのが一般的です。それでも多くの現場で、締結後にボルト頭から座面・被締結物にかけて一本の線（合いマーク、トルクマーク、締結マークなどと呼ばれます）を引く運用が残っています。なぜわざわざマークを引くのかというと、「確かに締めた」という作業の証跡を残すことと、出荷後・稼働後に「その後で緩んでいないか」を目視で素早く判別できるようにするためだと考えられます。
ここで最初に区別しておきたいのは、合いマークが示しているのは締付トルクの数値そのものではない、という点です。トルクの管理は工具側のタスクであり、合いマークはあくまで「この締結部は確認済みである」「線がずれていれば緩みの疑いがある」という、人が後から読み取るための視覚的な記号です。したがって画像検査AIにマーク確認を任せる場合も、AIに期待する役割は「トルクを推定すること」ではなく、「マークという証跡が正しく付与され、ズレていないか」を客観的に読むことだと整理して考えるのが自然だと考えます。
マーキング自体は単純な作業ですが、人が全数を確認しようとすると、いくつか起きやすいことがあります。マークの引き忘れ（特に本数の多い締結部で一本だけ抜ける）、かすれて判別しづらいマーク、そして「線が引いてあること」は見ても「線がまっすぐ座面まで通っているか（ズレていないか）」までは厳密に見切れない、といった点です。とりわけタクトの速い工程や、暗がり・狭所での確認では、確認の精度が作業者の集中度に左右されやすいと考えられます。こうした作業を画像で補助できないか、という発想が本稿の出発点です。
本稿が対象にするのは、締結が終わった後の「マークの有無・ズレ・本数」の確認です。ネジ山の潰れ・かじり、ボルト単体の寸法や外観といった部品そのものの欠陥は、撮像も判定基準も別物になるため、ここでは扱いません。部品単体の検査については金属部品の外観検査側の領域として役割を分けて考えるのが、運用上は素直だと考えます。締結後マーク確認と部品検査を一つの仕組みに無理に統合しないことが、後述する撮像設計の単純化にもつながると考えます。
合いマークの画像確認は、項目を分けて考えると設計しやすくなります。実務的には、(1) マークの有無（未マーキング・かすれ）、(2) マークのズレ（緩み・共回りの疑い）、(3) 所定本数の計数、の三つに分解できると考えます。それぞれ求められる撮像と判定の性質が異なるため、最初に「どれを主目的にするか」を決めることが重要だと考えます。
もっとも基本になるのが、そもそもマークが引かれているかの確認です。色付きマーカーやペイントで引かれた線が、ボルト一本ずつに存在するか、かすれて消えかかっていないかを見ます。判定としては比較的素直で、マークの色・面積・コントラストが一定の閾値を満たすかを見る考え方が出発点になります。ただし、マーカーの色味は乾燥具合や照明で変わりうるため、「どこまでを合格とするか」の境界は現物のサンプルを集めて合意する必要があると考えます。
合いマークの本来の価値は、ボルト頭側の線と座面・被締結物側の線が「一直線につながっている」ことにあります。締結後に緩んだり共回りしたりすると、この線がずれて段差ができます。画像検査AIにとっては、二つの線分の角度差・段差量を読む課題になります。緩みの疑いを早期に拾うという意味では最も価値が高い項目ですが、撮像角度やボルトの個体差の影響を受けやすく、「どの程度のズレを不合格とするか」は現場ごとに基準が異なる可能性が高いと考えます。
フランジやブラケットのように複数本のボルトを締める部位では、「規定本数すべてにマークがあるか」の計数が品質保証上の要点になります。一本でも未マーキングが残ると、増し締め確認が完了していないことになりかねません。計数そのものは、個数を数える検査の延長として捉えられます。考え方としては計数・トラッキング系の発想に近く、所定の位置に所定の数のマークが揃っているかを見ます。位置が決まっている締結部であれば、各ボルト位置をテンプレートとして定義し、位置ごとにマーク有無を判定する設計が現実的だと考えます。
合いマーク検査の成否は、判定アルゴリズム以前に撮像条件で大きく決まると考えます。対象が金属の締結部であり、マークが有色の細い線であるという性質上、反射・色再現・角度の三点を最初に固めることが重要だと考えます。
ボルト頭や座面が金属光沢を持つ場合、照明の映り込み（ハレーション）でマークが白飛びしたり、逆に影でマークが沈んだりします。マークの色とコントラストを安定して得るには、拡散照明やリング照明で均一に当てる、偏光フィルタで反射を抑えるといった工夫が前提になると考えます。光沢金属面の撮像は一般に難所であり、寸法・外観検査の設計でも繰り返し論点になる部分です。マーク検査でも同様に、現物で照明バリエーションを試しながら詰めるのが現実的だと考えます。
マーカーの色（赤・黄・白・青など）と、ボルト・被締結物の地色のコントラストが、検出の安定性を左右します。地色とマーク色が近い場合（例えば銀色の金属に白マーク）は、色だけでなく明度差やエッジでの判別を併用する設計が必要になると考えます。可能であれば、マーカー色を検出しやすい色に運用側で統一できると、検査の難度は下がる可能性が高いと考えます。これは検査AI側の都合だけでなく、人の目視確認のしやすさにも資する話だと考えます。
ズレ判定では、カメラとボルト軸の角度関係が安定していることが重要です。締結部を斜めから見ると、本来まっすぐな線がズレて見えたり、逆にズレが目立たなくなったりします。固定設置のラインであれば、ボルトをほぼ正面から、毎回同じ角度・距離で撮れるようにジグやガイドで位置決めするのが理想だと考えます。一方、製品が大きく締結部が多数ある（建機・車体・大型筐体など）場合は、固定カメラだけでは全箇所をカバーできないことがあります。その際は作業者が手元で撮影する運用も選択肢になり、ハンディ端末のような可搬の撮像手段と組み合わせる設計が現実的になる場合があると考えます。
合いマーク検査は、必ずしも最初から学習型のAIを必要とするとは限りません。項目によってはルールベースの画像処理で十分なこともあり、逆にAIが向く部分もあります。コストと安定性のバランスを見て、使い分けることが重要だと考えます。
マークの有無や本数の確認は、各ボルト位置を関心領域（ROI）として固定できる場合、色抽出と面積判定といった比較的単純なルールで安定して動かせる可能性があります。撮像条件が固定でき、マーク色も統一されているなら、まずはルールベースで試し、必要な精度に届くかを確かめるのが順当だと考えます。過剰に複雑な仕組みを最初から組むより、現物で「どこまで単純な方法で通用するか」を見極めるほうが、運用負荷の面でも有利な場合が多いと考えます。
一方で、地色とマーク色が近い、汚れや油・切粉が乗る、マークの引き方に個人差がある、といったばらつきが大きい現場では、ルールだけでは閾値設定が難しくなります。こうした場面では、合格・不合格のサンプルを学習させたモデルや、状況を言語的に解釈できるVLM（視覚言語モデル）系のアプローチが、ばらつきへの頑健性で効いてくる可能性があると考えます。ただし学習型は、教師データの質と量、そして「不合格をどう定義するか」の合意が成否を分けます。AIにすれば自動で精度が出る、という話ではなく、現場基準の言語化が前提になると考えます。
検査である以上、緩み・未マーキングを見逃すリスクと、正常品を不合格にしてしまう過検出のリスクは表裏一体です。安全に関わる締結部では見逃しを極力減らす方向に倒すのが一般的ですが、その分、過検出による再確認の手間が増えます。どちらにどれだけ倒すかは品質方針と工程能力の問題であり、現物のデータで誤判定の傾向を見ながら調整すべき領域だと考えます。机上で閾値を決め切らず、ラインで回しながら詰めることが現実的だと考えます。
ネジ・ボルトに関わる画像検査には、本稿のような「締結後の合いマーク確認」と、「ボルトやめねじ単体のねじ山・寸法・外観の欠陥検査」という、性質の異なる二つの領域があります。これらを一つの工程・一つの仕組みに統合しようとすると、撮像も判定も中途半端になりやすいため、役割を分けて設計することを基本にしたほうがよいと考えます。
ねじ山欠陥の検査は、部品が組み付けられる前の単体品質を見るもので、目的は不良部品を流さないことです。撮像はネジ部のクローズアップになり、ピッチの欠け・かじり・バリといった微細形状を読みます。対して合いマーク確認は、組立が終わった後に「ちゃんと締めてマークした証跡」を読むもので、見ているのはネジ山ではなくマークという線です。タイミング（組立前か後か）も、見る対象（形状か証跡か）も異なります。
ねじ山欠陥は高倍率・高解像度でネジ部の微細形状を捉える撮像が求められますが、合いマークは締結部全体を俯瞰し、線の有無と連続性を読む撮像です。要求解像度も視野も照明も異なるため、無理に同じカメラ・同じ工程で両方を見ようとすると、どちらかに最適化できず精度が落ちる可能性が高いと考えます。検査としては別物として切り出し、必要なら別工程・別撮像で構成するほうが、結果的に運用が安定すると考えます。
役割を分けることで、それぞれの撮像・判定をシンプルに保てます。合いマーク側は「証跡の有無・ズレ・本数」という明快な目的に集中でき、部品検査側は微細形状に集中できます。検査仕様の説明も、現場への教育も、トラブル時の切り分けも容易になります。一つの大きな汎用検査機を目指すより、目的ごとに小さく確実な検査を積み重ねる発想のほうが、製造現場の実態に合う場合が多いと考えます。これは合いマークに限らず、画像検査の導入全般に通じる考え方だと考えます。
合いマーク検査は一見単純ですが、実際に運用に乗せようとすると、いくつかの典型的なつまずきがあります。導入前に想定しておくと、無駄な手戻りを避けられると考えます。代表的なものを挙げます。
これらはいずれも、技術というより「現場の前提をどこまで事前に固められるか」に起因するものが多いと考えます。検査AIの精度を議論する前に、マーキング運用・撮像環境・合否基準という土台を現物で確認することが、遠回りに見えて近道になる場合が多いと考えます。導入の進め方そのものについては製造業DXの始め方の観点も参考になると考えます。
最後に、合いマーク検査を実際に検討する場合の進め方を整理します。結論から言えば、いきなり全工程の自動化を目指すのではなく、対象を絞った現物検証から始め、撮像と基準を固めながら段階的に広げるのが現実的だと考えます。
まず、どの締結部の、どの確認項目（有無・ズレ・本数）を優先するかを決めます。すべてを一度に狙わず、品質リスクと頻度の高いところから絞ることが重要だと考えます。対象が決まれば、必要な撮像（固定カメラか可搬か、視野と解像度）も具体化できます。
合格・不合格・グレーゾーンの現物を集め、照明・角度を変えながら撮像条件を詰めます。同時に、「どこからを不合格とするか」を現場の品質担当と合意します。この段階で、ルールベースで足りるのか、学習型やVLMが要るのかの見極めもつくと考えます。机上の仕様より、現物で見える誤判定の傾向を重視することが、後の安定運用につながると考えます。検証の枠組みについてはPoC・検証コンサルティングの形で伴走する選択肢もあります。
限定した範囲で実運用し、過検出・見逃しの実績を見ながら閾値や教師データを更新します。検査は入れて終わりではなく、現場の変化（マーカーのロット差、ライン照明の経年変化など）に追従して育てるものだと考えます。運用を支える仕組みとしては運用モニタリングのような継続的な見守りも有効だと考えます。
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、こうした締結後マーク確認のような「一見単純だが現場前提が効く」検査を、撮像設計から一緒に詰めることを大切にしています。合いマーク検査が御社の締結部・マーキング運用・照明環境で本当に成立するかは、最終的には現物・現場での検証を通じてしか確かめられないと考えます。本稿で述べた論点はあくまで一般論であり、御社固有の条件で何が効くかは、サンプルを持ち寄って一緒に確認させていただくのが確実だと考えます。まずは小さな範囲からで構いませんので、現物での検証からご一緒できればと考えます。
いいえ、画像検査が読むのはマーク（線）という証跡であり、締付トルクの数値そのものではないと整理して考えています。トルクの管理はトルクレンチやナットランナーなど工具側の役割で、合いマーク確認は「規定どおり締めてマークした証跡があるか」「その後ずれて緩んでいないか」を客観的に読む役割だと考えます。両者は目的が異なるため、補完的に併用する位置づけが自然だと考えます。
撮像も判定基準も異なるため、無理に一つに統合せず役割を分けることをお勧めします。ねじ山欠陥は組付け前の部品単体を高倍率で見る検査、合いマークは組立後の締結部を俯瞰してマークの有無・ズレ・本数を見る検査で、要求解像度も視野も別物です。一つの汎用機に統合するとどちらも中途半端になりやすく、別工程として切り出したほうが運用が安定する可能性が高いと考えます。
ばらつきが大きいほど検査の閾値設定は難しくなります。可能であれば、検査を入れる前にマーカー色や線の引き方の運用標準化を進めていただくと、検査の難度が下がる可能性が高いと考えます。標準化が難しい場合は、学習型のモデルやVLM系のアプローチでばらつきへの頑健性を高める方向も検討できますが、その場合も合格・不合格の現物サンプルを十分に集めることが前提になると考えます。
ズレ判定は撮像角度やボルトの個体差の影響を受けやすく、達成できる精度は現場の条件に強く依存します。カメラとボルト軸の角度を安定させ、毎回ほぼ同じ条件で撮れるかが鍵になります。どの程度のズレを不合格とするかも現場ごとに基準が異なるため、一般的な数値をお約束するのは難しく、現物のサンプルで誤判定の傾向を確認しながら基準を合意していくのが確実だと考えます。
対象の締結部と確認項目（有無・ズレ・本数）を一つに絞った小さな現物検証から始めることをお勧めします。いきなり全工程の自動化を目指すより、撮像条件と合否基準を現物で固めながら段階的に広げるほうが、結果的に安定運用に近づくと考えます。PoC・検証コンサルティングの形で、撮像設計から一緒に詰める進め方も可能です。
御社の締結部・マーキング運用・照明環境で合いマーク検査が成立するかは、現物での検証が前提だと考えます。元キーエンス画像処理事業部出身の監修者とともに、小さな範囲から撮像設計を一緒に確かめます。
現物での検証を相談する