「小さすぎて画像に写らない欠陥は、どんなに賢いAIを載せても検査できない」——これは冷たい事実であり、同時に希望でもあります。写らないのが撮像側の問題なら、撮り方を変えれば写るかもしれないからです。本稿では、AIやしきい値の話に入る前に、そもそも欠陥を画素に写し取るという撮像の物理を、現場の手触りで分解します。
外観検査の現場で最も切ないのは、「不良が流出したのに、あとで画像を見返しても、そこに欠陥が写っていない」という状況ではないでしょうか。目視では熟練者が斜めから光を当ててようやく見える微細な傷や打痕が、カメラの画像上ではのっぺりと背景に溶け込んでいる。この状態でどれだけAIを学習させても、しきい値を追い込んでも、答えは変わりません。写っていないものは、検査できないからです。
近年は「AI外観検査」「VLMで検査」という言葉が先行し、あたかも賢いソフトウェアさえ載せれば微細欠陥まで自動で見つかるかのような期待が広がっています。しかし現場で本当に起きているつまずきの多くは、判定ロジックより一段手前、光が対象に当たってレンズを通りセンサーに像を結ぶ——この「撮像」の段階で欠陥の情報が失われていることにあると考えられます。
背景には、熟練検査員の高齢化と採用難、そして年々シビアになる品質要求という構造的な圧力があります。かつては「見える人が見ればわかる」で回っていた工程が、その人がいなくなると途端に成り立たなくなる。だから自動化を検討するのですが、いざカメラを向けると「あれ、機械の目には見えていない」ことに気づく。人の目が無意識に行っていた光の当て方や角度の調整を、撮像設計として再現できていないのです。
つまりこの悩みは、担当者の努力不足ではなく、撮像という物理の問題である可能性が高いと考えます。だとすれば、撮り方を変えれば写るかもしれない。本稿はその「写すために何を確かめるか」を、順を追って分解していきます。
「微細な欠陥が写らない」と一口に言っても、原因はいくつかの層に分かれます。ここを混ぜたまま対策すると、カメラを高画素にしたのに直らない、照明を明るくしたのに変わらない、といった空回りが起きます。まずは症状を切り分けることが出発点だと考えます。
写らない理由は大きく二つに整理できます。ひとつは空間的に小さすぎる——欠陥が占める面積が、センサー上で1画素にも満たない、あるいは数画素しかなく、形として認識できないケース。もうひとつはコントラストが低い——大きさは足りているが、欠陥部と正常部の明暗差・色差が乏しく、背景に埋もれているケースです。前者は分解能と光学倍率の問題、後者は主に照明とレンズの問題であり、打つ手がまったく異なります。
例えば、微小なクラック（割れ）は面積こそ小さいものの、光の当て方次第で影として強く出せることがあります。逆に、面積の大きい薄いシミは写っているのにコントラストが足りず見逃される。「小さい＝写らない」と早合点せず、自分の欠陥がどちらの壁に当たっているのかを先に見極めることが、遠回りを避ける鍵になります。
もう一段引いて見ると、検査全体は「撮像（写す）→判定（見分ける）→運用（現場で維持する）」という流れで成り立っています。微細欠陥の見逃しは、この一番上流の撮像で情報が欠落していることが多いと考えられます。上流で失われた情報は下流のAIでは復元できません。だからこそ本稿は、AIやしきい値の話に入る前に、まず撮像を徹底的に見ることをおすすめしています。
撮像を数値で語る第一歩が「画素分解能」です。これは、センサーの1画素が対象物上の何ミリ（何マイクロメートル）に対応しているかを表します。おおまかには、視野の横幅（対象を写す実寸）をカメラの横方向の画素数で割った値です。例えば横100mmの範囲を4000画素で写せば、1画素あたり0.025mm＝25μm。この数字が、その撮像系で表現できる細かさの土台になります。
ここで重要なのは、欠陥が1画素ぶんに相当する大きさだからといって、それが安定して検出できるわけではないという点です。欠陥が画素の境界にまたがれば、そのコントラストは複数画素に薄く分散し、正常部との差が埋もれます。ノイズや圧縮の影響もあります。経験則として、欠陥を「形」として安定的に捉えるには、その最小寸法が数画素以上——目安として3〜5画素程度をまたいで写っていることが望ましいと考えられます（対象や欠陥の種類により変動するため、必ず現物で確認が必要です）。
つまり、25μm/画素の撮像系で20μmの傷を見つけたい、というのは原理的に無理があります。仮に検出したい欠陥の最小寸法が20μmで、それを4画素で捉えたいなら、必要な画素分解能はおよそ5μm/画素。逆算すると、同じ横4000画素のカメラで写せる視野は横20mm程度まで狭めなければなりません。「見つけたい欠陥の大きさ」から「必要な視野と画素数」を逆算する——この順序が撮像設計の背骨になります。
「では画素数を上げれば解決では」と思われるかもしれません。確かに画素分解能は上がりますが、視野を維持したまま高画素化すると、今度はレンズの解像力（実際にレンズが結べる像の細かさ）が追いつかず、画素は細かいのに像がボケる、という頭打ちが起きます。センサーとレンズは対で考える必要があり、片方だけ豪華にしても宝の持ち腐れになりかねません。ここでカメラ選定の考え方とレンズ選定ガイドをあわせて見ておくと、両者のバランスを崩さずに設計しやすくなります。
画素分解能が「数字上の細かさ」だとすれば、それを実際の像として結ぶのがレンズの役割です。微細欠陥を狙う撮像では、視野を小さく絞って高倍率で撮る局面が増えますが、そこには倍率を上げるほど強まる二つのトレードオフがあります。ここを理解しておくと、「なぜ写らないのか」の解像度が一段上がると考えます。
高倍率・大口径になるほど、ピントの合う奥行き（被写界深度）は浅くなります。平らなワークなら問題になりにくいのですが、対象に反り・高低差・搬送時のバタつきがあると、一部だけピントが合って残りはボケる、という現象が起きます。微細欠陥はわずかなボケでも一気に埋もれるため、これが「同じ設定なのに写ったり写らなかったりする」不安定さの正体であることが少なくありません。絞りを絞れば深度は稼げますが、今度は届く光が減り、回折の影響で解像力自体が落ちる。ここにも綱引きがあります。
レンズと対象の距離（ワーキングディスタンス）、対象がどう動き・どこに位置決めされるか、といった機械側の条件も撮像の質を左右します。ラインを止められない、対象が揺れる、毎回わずかに位置がずれる——こうした現場の制約を無視して机上で倍率だけ決めても、本番では成立しません。撮像設計は光学単体ではなく、搬送や治具まで含めた一体の設計だと捉える必要があります。この点は光学・ハード一体設計の観点として、カメラ・レンズ・照明・機構をまとめて詰めていく考え方が有効だと考えます。
要するに、倍率を上げれば細かく写せる一方で、深度が浅くなり光が足りなくなる。この相反する条件のどこで折り合いをつけるかが設計の勘所であり、欠陥の種類・ワークの形状・搬送条件によって最適点は毎回変わります。一般解はなく、だからこそ現物での試写が欠かせません。
撮像の質を決める要素のなかで、しばしば最も効き、そして最も軽視されがちなのが照明です。同じカメラ・同じレンズでも、光の当て方ひとつで、背景に溶けていた欠陥がくっきり浮かび上がることがあります。逆に言えば、照明が合っていないまま「AIで何とかする」のは、暗い部屋で目を凝らすようなもので、根本解決になりにくいと考えられます。
照明設計の目的は、単に明るくすることではなく、欠陥部と正常部のあいだにコントラスト（明暗差・色差）をつくることです。微小な凹凸やクラックは、正面から均一に照らすと影が消えてかえって見えなくなり、斜めから当てる（ローアングル照明）と影が強調されて浮かび上がることがあります。表面のムラや異物は、正反射を使うか拡散光を使うかで見え方が反転します。「どの欠陥を、どんな物理現象（影・反射・散乱・透過）で浮かせるか」を先に決めることが、照明選定の核心だと考えます。
熟練の検査員が無意識に手元でワークを傾けたり、光にかざしたりしているのは、まさにこのコントラスト最大化を体で探っている行為です。自動化とは、その暗黙知を照明の角度・配置・波長として再現し、固定することにほかなりません。ここを丁寧に詰めることが、微細欠陥を写せるかどうかの分かれ目になります。具体的な当て方の型は照明設計の基本で整理していますので、あわせてご覧ください。
可視光では差が出ない欠陥でも、特定波長の光や偏光を使うと差が現れることがあります。素材による反射・吸収の違い、表面の応力、透明体の内部欠陥など、人の目に見えない差を撮像側で可視化できる場合があるのです。ただしこれらは対象依存が非常に強く、効くかどうかは現物で試すまで断言できません。「使えるカードが増える」という理解にとどめ、期待値を過度に上げないことが誠実だと考えます。
ここまでの分解を踏まえると、微細欠陥検査の成否は、AIを選ぶ前の撮像検証でおおよそ見えてくると考えられます。感覚の「なんとなく写った」ではなく、数値で確かめることが重要です。
実際の欠陥サンプル（できれば良品との境界にある限度見本も）を狙った条件で撮り、少なくとも次を確認します。第一に、欠陥の最小寸法が何画素で写っているか。第二に、欠陥部と近傍の正常部の明暗差（コントラスト）がノイズに対して十分に大きいか。第三に、ワークの反りや位置ばらつきを含めて繰り返し同じように写るか。この三点が揃わないうちにAIの学習に進んでも、土台が揺れているため精度は安定しにくいと考えます。
逆に、この撮像検証で欠陥が十分な画素数とコントラストで安定して写ることが確認できれば、そこから先——VLMを含むAI外観検査による判定は、格段に現実的な選択肢になりうると考えます。近年のVLMは、しきい値では表現しにくい「傷らしさ」「らしくない箇所」といった曖昧な特徴を扱える余地があり、しっかり写った画像との相性がよい方向にあります。ただしこれも万能ではなく、写っていない欠陥を魔法のように補うものではない点は、繰り返し強調しておきたいところです。
「そもそもこの欠陥は撮像で写せるのか、それとも物理的に無理筋なのか」——この見極めは、検査自動化の投資判断そのものです。写せないものに判定システムを組む前に、小さく試写して可否を切り分ける。Nsightでは元キーエンス画像処理事業部の現場知見をもとに、この撮像可否の見極めを重視しており、PoC・検査方式設計の相談として、現物からの検証を起点にしています。
最後に、現場でよく見られるつまずきを挙げます。心当たりがあれば、そこが突破口かもしれません。
微細欠陥が写らないという壁を越えるための順序を、あらためて整理します。第一に、見つけたい欠陥の最小寸法と種類、そして許容できる見逃し・過検出を言語化する。第二に、それを「小さすぎる問題」なのか「目立たない問題」なのかに切り分ける。第三に、必要な画素分解能を逆算し、視野・カメラ・レンズの候補を決める。第四に、欠陥を浮かせる照明（角度・波長・偏光）を試す。第五に、実際の欠陥サンプルで、画素数・コントラスト・繰り返し性を数値で確認する。
この撮像検証を通過してはじめて、AIによる判定設計に進むのが、遠回りのようで最短だと考えます。順序を飛ばして判定から入ると、土台の揺れを判定側で吸収しようとして、際限のないチューニングに陥りがちです。「AIの前に、撮像」——このシンプルな原則が、微細欠陥検査では特に効いてくると考えます。
そして忘れてはならないのは、これらはすべて対象依存だということです。同じ設計思想でも、素材・形状・欠陥・搬送条件が違えば最適点は変わります。だからこそ、机上の一般論で結論を出さず、現物・現場での客観的な把握から始めることを、Nsightは一貫しておすすめしています。写せるか否かの見極めそのものが、検査自動化の確かな第一歩になりうると考えます。
一般的な目安として、欠陥の最小寸法が3〜5画素以上をまたいで写っていると、形として安定的に捉えやすくなると考えられます。1画素相当では境界に分散して埋もれやすく、検出は難しくなります。ただしノイズ・コントラスト・欠陥の種類により変動するため、必ず実際の欠陥サンプルを狙った条件で試写し、現物で確認することが前提になります。
必ずしもそうとは限らないと考えられます。視野を変えずに画素数だけ上げると、今度はレンズの解像力や照明が追いつかず、画素は細かいのに像がボケる頭打ちが起きがちです。分解能はカメラ・レンズ・照明の掛け算で決まるため、片方だけ豪華にしても効きにくく、視野・光学・照明を一体で見直す必要があると考えます。
人は無意識にワークを傾けたり光にかざしたりして、欠陥のコントラストが最大になる角度を体で探しています。その暗黙の光の当て方を撮像側で再現できていないと、機械の目には差が現れず溶けて見えます。多くの場合は照明の角度・波長の問題であり、当て方を変えると浮かび上がることがありますが、効くかは現物で確かめる必要があります。
写っていない情報は、どんなAIでも復元できないと考えられます。AI・VLMは撮像で得た画像から曖昧な特徴を判定する道具であり、撮像の失敗を補うものではありません。逆に、欠陥が十分な画素数とコントラストで安定して写っていれば、しきい値では扱いにくい特徴も含めて判定できる余地が広がると考えます。まず撮像、が原則です。
実際の欠陥サンプルや限度見本を、狙った視野・レンズ・照明の条件で撮り、欠陥が何画素・どれだけのコントラストで、かつ繰り返し安定して写るかを数値で確認するのが確実だと考えます。この撮像検証を小さく回して可否を切り分けることが、検査自動化の投資判断そのものになります。可否が不明なうちに判定システムを組むのは避けるのが安全です。
微細な欠陥が画像に写らない——その壁は、撮像の物理を分解すれば突破口が見えることがあります。元キーエンス画像処理事業部の現場知見をもとに、実際の欠陥サンプルを狙った条件で試写し、写せるか否かの見極めから一緒に始めます。まずは現物での検証から。
微細欠陥の撮像可否について相談する