はんだの接合部を上からいくら撮っても、内部のボイドや未接合は写らない——これは検査精度の問題ではなく、可視光が金属の内側を通らないという原理の問題です。本記事では、表面画像で確かめられる範囲と、その先で必要になる内部検査の考え方を切り分けます。
基板のはんだ付けで一番やっかいなのは、見た目がきれいなのに中身が不良、という組み合わせです。フィレットの艶も形も問題なく、濡れも十分に見える。それでも接合部の内部にボイド（空隙）が広がっていたり、界面で十分に接合できていなかったりすると、熱サイクルや振動を受けたときにクラックや導通不良につながることがあります。外観だけを頼りに合否を出している現場ほど、後工程や市場でこの種の不良に足をすくわれやすいと考えられます。
困るのは、担当者の目や既存の外観検査が「サボっている」わけではない点です。表面をどれだけ丁寧に観察しても、そもそも内部の空隙は表面に出てこない。だから「検査を強化しよう」「カメラの解像度を上げよう」「AIを入れよう」と表面側の対策を積み増しても、内部不良の見逃しは減らない、という噛み合わなさが起こります。ここを取り違えると、投資しても効果が出ない検査になりかねません。
表面検査の基準を厳しくすると、確かに表面の見た目不良（ブリッジ、未はんだ、位置ずれ、濡れ不足など）ははじきやすくなります。ところが内部起因の不良は基準を厳しくしても捕まらないため、過検出（本来良品を不良と判定）だけが増えて、肝心の流出は止まらない——という状態に陥ることがあります。「検査を強化したのにクレームが減らない」という悩みの背後には、表面検査で拾える不良と拾えない不良の混同が潜んでいる場合が多いと考えます。
まず押さえたいのは、これは「カメラの性能不足」ではなく「光の物理」の話だという点です。通常の外観検査で使う可視光は、金属であるはんだを透過しません。表面で反射した光しかカメラには戻ってこないので、内部にある空隙・巣・未接合の界面は、そもそも像として結ばれません。解像度を上げても、照明を工夫しても、透過しない光からは内部情報は取り出せない——ここが原理的な限界だと考えられます。
外観検査で不良が『見える』ためには、ざっくり三つの条件が要ります。①検査したい特徴が表面（またはその近傍）に現れていること、②その特徴と周囲との間に光学的なコントラスト差（明るさ・色・偏光・角度）が生じること、③それをカメラの解像度・被写界深度で分離できること。内部ボイドは①の時点で成立していません。表面まで痕跡が出ていない不良は、②③をいくら磨いても捉えられない、と整理できます。
一方で、内部不良のすべてが完全に表面と無関係というわけでもありません。たとえば大きなボイドがフィレット形状のわずかな落ち込みや艶ムラとして表面に現れることがあります。この場合、表面画像から『内部が怪しい候補』を間接的に拾える可能性はあります。ただしこれは相関であって、内部状態そのものを測っているわけではありません。表面兆候と内部不良の対応づけは製品・工程ごとに検証が必要で、汎用の当てはめはできないと考えます。
つまり論点は「表面検査か内部検査か」の二択ではなく、『対象の不良が表面に出るのか、出ないのか』という切り分けです。この一次仕分けを飛ばして機材やAIの議論に進むと、原理的に見えないものを見ようとする無理な要件になってしまう恐れがあります。
では表面検査は無力かというと、まったく逆です。はんだ不良の多くは表面に現れる異常であり、そこは撮像設計とAIの得意領域だと考えます。未はんだ・濡れ不足・ブリッジ・過剰／過少はんだ・部品の位置ずれや浮き・極性やIDの読み取り・異物付着といった項目は、適切な照明と画角、そしてAI画像検査パッケージのようなソフト×ハード一体の設計で、安定して捉えられる可能性が高い領域です。
従来の外観検査は、しきい値や形状ルールで良否を切る方式が中心でした。これは明快な不良に強い一方、『少し濡れが弱いが許容範囲か』『艶ムラだが機能上は問題ないか』といった境界事例の判断が難しく、過検出や設定の作り込みに苦しむ現場が多いと感じます。ここに、良品／不良のばらつきを含めて学習し、文脈を踏まえて判断できる画像AI（VLM等）を組み合わせると、微妙な良否の判定を安定させられる可能性があります。
見落とされがちですが、はんだ表面は金属光沢が強く、照明の角度ひとつでハレーションを起こしたり、逆に立体感が消えたりします。同じ不良でも、照明とレンズと画角の設計次第で『はっきり写る』か『埋もれる』かが変わります。元キーエンス画像処理事業部で撮像設計に携わってきた知見からも、AIの前段にある『どう撮るか』の作り込みが結果の大半を左右する、というのは繰り返し経験してきたところです。表面検査を強化する際は、AIモデル以前に撮像そのものを疑うことをおすすめします。
内部のボイド率や接合界面の状態を直接確かめたい場合は、透過原理の検査——すなわちX線や、断面情報まで得たいならCTが前提になります。X線は金属と空隙の密度差を透過像のコントラストとして捉えるため、はんだ内部の空隙を可視化しうる代表的な手段だと考えられます。このあたりの考え方はX線・CTによる内部欠陥検査で掘り下げていますので、内部側を詰めたい方は併せてご覧ください。
重要なのは、表面AIと内部検査を『どちらが優れているか』で比べないことです。両者は捉える対象が違います。表面AI＝外に現れる不良（未はんだ・ブリッジ・位置ずれ等）を全数で速く、内部検査＝外に出ない不良（ボイド・未接合）を必要な範囲で。この分担を、不良モードごとに『これは表面／これは内部』と割り付けていくのが、現実的な検査設計だと考えます。
内部検査は表面検査に比べてタクトやコストがかかりやすく、ラインの全数に適用するのが難しい場面もあります。そこで、表面AIで全数を一次スクリーニングし、表面兆候や工程条件から『内部が怪しい』ものを内部検査に回す、といった段階設計が選択肢になりえます。ただし、表面兆候と内部不良の相関が弱い不良モードでは、この振り分けは成立しません。相関の有無自体を現物で検証してから設計する必要があると考えます。
どの不良をどの方式で受け持つかは、製品の重要度・想定される故障モード・要求される保証水準・タクト・コストの掛け合わせで決まります。一般解はありません。だからこそ、次章の『まず現物で切り分ける』が効いてきます。
設計の前提となる『この不良は表面に出るのか』は、机上では確定できません。現物（不良品・良品の両方）を集め、実際に撮ってみて、表面画像から区別できるかを確かめる。この一次検証を小さく回すのが遠回りに見えて近道です。進め方の型はAI検査PoCの進め方にまとめていますが、はんだの内部/表面の切り分けでも考え方は共通だと考えます。
①狙う不良のサンプルがそもそも手元に十分あるか（不良は希少で、これが最大の壁になりがちです）。②その不良は表面画像で良品と区別できる兆候が出るか、それとも内部検査でしか差が出ないか。③区別できる場合、照明・画角をどう設計すればコントラストが最大化するか。この三点を、少数でよいので実物で確認すると、その後の投資判断が一気に具体的になると考えます。
PoCで『この不良は表面画像では区別できない』と判明したなら、それは失敗ではなく重要な成果です。表面検査への過剰投資を止め、内部検査側にリソースを振り向ける根拠になります。原理的に見えないものを見ようとして機材を積み増す——という最もコストのかかる遠回りを避けられる、と考えます。検査可否の見極めについてはPoC・検査方式設計の相談でも一緒に整理できます。
ここまでの話を踏まえて、現場で繰り返し見かける『つまずきどころ』を整理します。いずれも、表面検査と内部検査の境界を曖昧にしたまま進めることから生じるものだと考えます。
最後に、明日から動ける順序に落とし込みます。第一歩は、いま流出・見逃している不良を『表面に痕跡が出るもの』と『内部にしか存在しないもの』にリスト化して仕分けることです。この時点で、表面検査で拾えるはずなのに拾えていない項目（＝撮像設計や判定ロジックの改善余地）と、そもそも表面では無理な項目（＝内部検査の検討対象）が見えてきます。
次に、表面側は撮像とAI判定の見直しで拾える不良を確実に取りきる。内部側は、まず少数の現物でX線等の透過検査が有効かを確かめ、全数／抜き取りの範囲とコストを見積もる。この二本立てで、原理に沿った投資配分に近づけると考えます。表面検査の作り込みは、ソフトとハードを一体で設計できるAI画像検査パッケージの観点が役立つはずです。
『中身が見えない不良にどう向き合うか』は、多くの現場で共通する悩みです。まずは自社の不良を現物で仕分けるところから始め、表面で確かめられる範囲と、その先で内部検査が必要になる境界を客観的に把握する——この出発点さえ押さえれば、その後の打ち手は大きく外さないと考えます。切り分けの段階で迷われたら、お気軽に相談するところから一緒に整理していければと思います。
内部のボイドそのものは、可視光が金属を透過しないため外観画像には原理的に写らないと考えられます。大きなボイドがフィレット形状の落ち込みや艶ムラとして表面に現れる場合は間接的に候補を拾える可能性がありますが、内部状態を直接測っているわけではありません。空隙率などを確かめるにはX線等の透過検査が前提になると考えます。
解像度を上げても、可視光は金属を透過しないため内部の空隙は像として結ばれないと考えられます。これはカメラ性能ではなく光の物理の制約です。表面に現れる不良（未はんだ・ブリッジ・濡れ不足等）には解像度向上が効きうる一方、内部ボイドを見たい場合は透過原理の検査へ切り替える必要があると考えます。
フィレットの艶や形が良好でも、内部に空隙が広がっていたり接合界面が十分に形成されていなかったりすることはありえます。外観の美しさは内部健全性を保証しません。熱サイクルや振動で顕在化する内部起因の不良は、表面観察だけでは把握しきれない場合があると考えられます。
内部検査は表面検査に比べてタクトやコストがかかりやすく、全数適用が難しい場面もあります。表面AIで全数を一次スクリーニングし、表面兆候や工程条件から怪しいものを内部検査へ回す段階設計が選択肢になりえます。ただし表面兆候と内部不良の相関が弱い不良では成立しないため、現物での検証が前提になると考えます。
一般解はなく、製品の重要度・想定される故障モード・要求される保証水準・タクト・コストの掛け合わせで決まると考えます。まず自社の不良を『表面に痕跡が出るもの』と『内部にしか存在しないもの』に仕分け、現物で切り分けてから投資配分を決めるのが、遠回りに見えて確実だと考えます。
はんだの内部不良は、表面検査を強化しても原理的に拾えないことがあります。まずは現物（良品・不良品）を撮って、表面で区別できる範囲とその先で内部検査が要る境界を一緒に見極めるところから始めましょう。元キーエンス画像処理事業部の撮像設計知見を交え、投資前に検査可否を客観的に把握できます。
はんだ内部不良の見極めを相談する