プレス加工・打ち抜き・曲げ部品で発生する割れ（クラック）・バリ・カエリ・ダレを画像とAIでどう検査しうるか。金型摩耗との関係、低コントラスト欠陥の難しさ、撮像設計と運用の勘所を、断定を避けつつ実務目線で整理します。
プレス加工・打ち抜き（ブランキング）・曲げ加工の部品は、自動車、家電、建材、電子部品の筐体やブラケットなど、製造業のあらゆる場面で大量に使われています。1台のプレス機が毎分数十〜数百ショットを打ち出す高速・大量生産の世界であり、その分だけ欠陥が紛れ込んだときの流出リスクも大きくなります。だからこそ外観検査が重要なのですが、プレス部品の欠陥検査は外観検査のなかでも特に難所が多い領域だと考えられます。
プレス・打ち抜き部品で問題になる欠陥は、ひとつのカテゴリに収まりません。代表的なものだけでも、割れ（クラック）、バリ、カエリ（まくれ・かえり）、ダレ（だれ・せん断面のR）、せん断面の破断面率の異常、打ち傷・押し傷、しわ（曲げ部のしわ）、スプリングバックによる寸法ズレなどが挙げられます。これらは発生メカニズムも見え方も異なり、求められる検査の作り込みも変わってきます。
やっかいなのは、これらが互いに紛らわしいことです。たとえば打ち抜き断面には「ダレ・せん断面・破断面・バリ」という4つの領域が必ず存在し、これは正常な加工の結果です。問題は「バリが許容高さを超えているか」「ダレが大きすぎないか」という程度問題であって、有無の問題ではありません。良品にも必ずバリやダレの痕跡があるため、単純な「ある／ない」の判定ロジックでは破綻しやすいと考えられます。
プレス部品の多くは、メッキ・無垢の鋼板・アルミ・ステンレスなど、金属光沢を持つ表面です。光沢面は照明の当て方しだいで全面が白飛びしたり、逆に真っ黒に沈んだりします。そのうえ、検出したいクラックやヘアラインは幅が数十マイクロメートル〜数百マイクロメートルと細く、周囲との明暗差（コントラスト）が小さい。「見えにくいものを、見えにくい背景の上で探す」という構図になりがちで、ここが第一の壁になると考えられます。
バリやカエリ、ダレは本質的に「形状・段差」の欠陥です。真上から均一に照らした明視野画像では、立体的なバリが平面の汚れと区別しにくくなります。割れも、表面に開口したクラックなら陰影が出ますが、内部に向かう微細なクラックは表面の見た目がほとんど変わらないこともあります。二次元の明暗情報だけに頼ると取りこぼしやすく、照明や撮像の工夫、あるいは形状計測との組み合わせが前提になると考えられます。
本記事では、こうしたプレス特有の難しさを踏まえたうえで、AIを使った外観検査がどこまで寄与しうるのか、どう設計すべきかを、断定を避けつつ実務目線で整理します。金属部品検査の総論は目視検査をAIに置き換える際の考え方や金属部品の外観検査でも扱っていますが、ここでは「プレス加工欠陥」に絞り込みます。
プレス欠陥を「不良」とひとまとめにせず、発生メカニズムと見え方で分解して理解することが、検査設計の出発点になると考えます。撮像も判定ロジックも、欠陥の種類ごとに最適解が異なるためです。
クラックは、曲げ部の外側（引張側）、絞り部、せん断端面、エンボス・バーリング周辺などに発生しやすい欠陥です。材料の延性不足、金型のR不足、過大な加工度、潤滑不良などが原因として知られています。見え方としては細い線状で、開口していれば暗い線、閉じていれば反射の不連続として現れます。汚れやヘアラインスクラッチと外見が似ているため、「線状の暗部＝クラック」と短絡すると過検出が増えやすいと考えられます。形状（連続性・分岐・発生位置）まで含めて判断する必要があります。
バリは打ち抜き・せん断時に材料が押し出されてできる突起、カエリ（まくれ）はエッジがめくれ上がった状態を指します。いずれも金型のクリアランス過大や刃先の摩耗・ダレで増大しやすく、金型寿命の指標としても重要です。検査の観点では、バリは「高さ・長さ」という三次元量であり、真上からの明視野では捉えにくい一方、エッジに対して低い角度から光を当てる斜光・ローアングル照明では、突起部が明るく光ったり長い影を落としたりして顕在化します。撮像方向と照明角度の設計が成否を分ける典型例だと考えられます。
ダレ（だれ）は打ち抜き入口側のR状のなだらかな面、せん断面はその下の光沢のある面、破断面はさらに下のざらついた面です。これらの比率（ダレ量、せん断面率）はクリアランスや刃先状態を反映し、品質の指標になります。検査としては「あってはならないもの」ではなく「比率が規定範囲か」を見る計測寄りのタスクになりやすく、良品ばらつきの幅をどう許容するかが論点になります。
曲げ加工部品では、外側の割れ、内側・フランジ部のしわ、そしてスプリングバックによる角度・寸法ズレが問題になります。割れ・しわは外観で、角度ズレは寸法計測で捉える性質が異なる欠陥であり、ひとつの撮像系で全部を見ようとすると無理が出やすいと考えられます。寸法系の論点は寸法検査の進め方でも整理しています。
このように欠陥を分解すると、「線状・低コントラスト（クラック）」「立体・照明依存（バリ・カエリ）」「程度・計測（ダレ・せん断面）」「形状・寸法（曲げ）」という性質の異なる束に分かれます。一台のカメラ・一つの照明・一つのモデルで全部を高精度に、という発想ではなく、欠陥の束ごとに撮像と判定を組み合わせる設計が現実的だと考えます。
AI外観検査というと判定モデルに注目が集まりがちですが、プレス部品ではむしろ「欠陥を画像上で見える状態にする」撮像・照明設計が成否の大半を決めると考えています。見えていないものはAIにも見えません。逆に、人が見て一目で分かる画像が撮れていれば、AIの仕事は格段に楽になります。
クラックやバリ、押し傷のような微小・立体的な欠陥は、明るさそのものより「陰影」で見つけるのが定石です。代表的な手法として、対象の真横に近い低い角度から光を当てるローアングル（斜光）照明があります。突起や段差、開口クラックがあると、そこだけ強く光ったり長い影を落としたりして、平坦な良品面から浮き上がります。バリ・カエリ検出ではまず検討したい照明方式だと考えられます。
一方、光沢面のうねりやヘアライン、ダレの境界を見たい場合は、拡散した面光源で全体を均一に照らし、わずかな反射率差を見るアプローチが向くこともあります。欠陥の種類によって最適な照明が逆向きになることも珍しくないため、複数の照明を切り替えて多面的に撮る構成が有効な場面が多いと考えます。
一枚の画像で全欠陥を捉えようとすると、どこかに無理が出ます。実務では、照明の方向や色（波長）を変えた複数枚を高速に撮影し、それぞれで得意な欠陥を拾う「マルチショット」の考え方が有効なことが多いと考えられます。たとえば、ローアングルでバリ、ドーム照明でダレ境界、同軸照明でクラックの開口、というように役割分担させる発想です。タクトとの兼ね合いはありますが、撮像の自由度を上げておくほど後段のAIが楽になります。
金属光沢面では、照明の映り込み（正反射のテカリ）が最大の敵になりがちです。偏光フィルタの併用、照明位置の調整、つや消し背景の採用など、光学的にテカリを抑える工夫が前段で効きます。ここを画像処理やAIで後追いで補正しようとすると、本来の欠陥信号まで潰してしまうリスクがあるため、できる限り撮像段で作り込むことが望ましいと考えます。
バリ高さやダレ量、曲げ角度のように本質的に「形状・寸法」の欠陥は、二次元画像だけでなくレーザー変位計やライン三次元計測などの形状情報と組み合わせることで、より安定して捉えられる可能性があります。すべてを三次元化する必要はありませんが、「この欠陥は明暗では原理的に苦しい」と分かったら、撮像方式そのものを見直す柔軟性を持っておくべきだと考えます。撮像系の選定はハードを含めた検討になるため、ハードウェア統合の観点も合わせて検討する価値があります。
撮像が決まったら、次は判定です。プレス欠陥のAI検査では、「欠陥らしさを検出する」段階と「規格に照らして良否を決める」段階を分けて考えると、設計も運用も整理しやすいと考えます。
プレス欠陥は種類が多く、不良サンプルを十分な枚数・バリエーションで集めるのが難しいことが少なくありません。とくに割れのような流出させてはならない欠陥は、そもそも現物が手元に少ない。こうした状況では、良品の見え方を多数学習し、そこから外れる箇所を異常として拾う「良品学習（異常検知）」型のアプローチが現実的な選択肢になりやすいと考えられます。未知の欠陥にもある程度反応しうる点が利点ですが、良品ばらつき（材料ロット差・表面状態の差）を異常と誤認しやすいという弱点もあり、良品データの代表性が精度を左右します。
不良サンプルがある程度集まる欠陥（バリ・ダレなど）については、欠陥種別を分類したり、欠陥領域をピクセル単位で切り出す（セグメンテーション）アプローチが向く場合があります。どこに・どの種類の欠陥が・どの程度の大きさで出ているかを定量化できると、後段の良否判定や金型管理に活かしやすくなります。ディープラーニングとVLM（視覚言語モデル）の使い分けについてはVLMとディープラーニングの比較でも整理しています。
前述のとおり、プレス欠陥の多くは有無ではなく程度の問題です。ここで重要なのは、AIに「良品／不良」を直接当てさせるのではなく、まず「欠陥候補とその大きさ・位置・種類」を出させ、合否は別の基準（許容バリ高さ、許容クラック長など）で判定する二段構えにすることだと考えます。こうすると、規格が変わったとき・客先ごとに基準が違うときにモデルを作り直さずに閾値だけで対応でき、なぜ不良としたかの説明性も上がります。検査は最終的に「なぜ落としたか」を人に説明できる形であることが、現場での信頼につながると考えます。
クラックのような重大欠陥は見逃し（流出）を絶対に避けたい一方、感度を上げすぎると良品まで弾く過検出が増え、現場が「どうせ誤報」とアラートを軽視するようになります。重大度の高い欠陥は高感度・人による再確認付き、軽微な欠陥は別基準、というように欠陥ごとに運用を分けるのが現実的だと考えます。100%の自動判定を最初から狙うより、AIが自信のないものは人に回す「人とAIの協働」を前提に設計するほうが、結果的に流出を抑えやすいと考えられます。
プレス検査の価値を「不良の選別」だけに閉じ込めるのはもったいないと考えます。プレス欠陥の多くは、金型の摩耗・欠け、潤滑状態、材料ロット、クリアランスの変化と強く相関します。つまり検査画像は、工程そのものの健康状態を映す鏡でもあります。
打ち抜きの刃先が摩耗・ダレてくると、バリ高さやカエリが徐々に増大していく傾向が知られています。検査でバリ量を定量的にトレンド管理できれば、規格外の不良が出る前に「そろそろ刃の研磨・交換時期」という予兆として捉えられる可能性があります。これは選別検査が予防保全につながる典型例で、予知保全AIの発想と地続きです。
欠陥の発生を、材料ロット・プレス号機・金型・ショット数などと紐づけて記録できると、「特定ロットだけ割れが多い」「この金型だけバリが早く増える」といった切り分けが可能になります。検査が単発の合否判定で終わらず、工程改善の手がかりを生み続ける仕組みになります。こうしたデータ活用は工場データ基盤の文脈でも重要になります。
高速プレスでは、どのショットのどの部品が不良だったかを後から追えること（トレーサビリティ）が、流出範囲の特定と回収判断に直結します。検査結果をショット番号やタイムスタンプと結びつけて残す設計にしておくと、万一の流出時に「いつからいつまでが疑わしいか」を絞り込めます。これは品質保証だけでなく、客先への説明責任の面でも価値があると考えます。
理想は、検査が異常傾向を検知したら、金型メンテや材料切替、加工条件の見直しにつながるループが回ることです。完全自動の介入までいかなくても、「検査ダッシュボードを見れば金型ごとのバリ傾向が分かる」状態にするだけでも、現場の判断は変わります。検査を出口の門番から、工程全体の見える化の一部へと位置づけ直す発想が、投資対効果を押し上げると考えます。工程の見える化の観点も参考になります。
プレス部品のAI検査は、計画段階で押さえておくべき落とし穴がいくつもあります。導入後に「思ったほど精度が出ない」「現場で使われない」となる典型パターンを、あらかじめ共有しておくことが大切だと考えます。
これらの多くは、技術というより「進め方」の問題です。最初から完璧を狙うのではなく、現物で撮って・見て・確かめながら条件を詰めていく姿勢が、結果的に近道になると考えます。
最後に、プレス・打ち抜き部品の割れ・バリ・カエリ検査AIを、どう段階的に導入していくかの道筋を整理します。一足飛びに全自動・全欠陥対応を目指すのではなく、検証を重ねながら適用範囲を広げる進め方を推奨します。
まず「最も流出させたくない欠陥」「最も検査工数を食っている欠陥」を一つか二つに絞ります。クラックなのかバリなのかで撮像戦略が変わるため、ここを曖昧にしないことが重要です。そのうえで、絞った欠陥が画像上で確実に見える撮像・照明条件を、現物で探ります。この段階で「明暗では原理的に苦しい」と分かれば、形状計測など別方式への切替も早期に判断できます。
良品・不良品（あるいは良品のばらつき）の現物を使い、実際に撮像し、判定がどこまで成立するかを小さく確かめます。ここで見るのは最終精度の数字だけでなく、「どんな欠陥を取りこぼし、どんな良品を過検出するか」の傾向です。傾向が分かれば、撮像の追い込みどころと運用での人の関わり方が見えてきます。PoCの設計はPoCコンサルティングで伴走することも可能です。
いきなり全自動の合否判定に置き換えるのではなく、AIが自信を持って良品と言えるものは流し、判断に迷うもの・重大欠陥候補は人が再確認する協働運用から始めるのが安全だと考えます。流出リスクを抑えつつ、現場でデータと運用ノウハウを蓄積できます。
選別が安定してきたら、バリ量や欠陥発生率を金型・ロット単位でトレンド管理し、予防保全や工程改善へと用途を広げていきます。検査が「門番」から「工程の見える化基盤」へと育っていく段階です。
ここまで一貫して「現物での検証が前提」と述べてきたのには理由があります。プレス欠陥は、材料・金型・潤滑・撮像条件の組み合わせで見え方が大きく変わり、カタログ的な「この欠陥はこう検出できます」という一般論だけでは精度を約束できないからです。Nsightには、元キーエンス画像処理事業部で多数の現場の撮像設計に携わった監修者の知見があり、「この欠陥はどの照明・どの角度なら見えるか」を現物で素早く切り分けることを得意としています。とはいえ、それも机上で断定するものではなく、御社の実部品を一緒に撮り、見え方を確かめながら検査が成立するかを見極めていくのが確実だと考えます。プレス検査の自動化を検討されている場合は、まずは現物を持ち寄っての撮像検証から始めることをおすすめします。金属部品検査全般の論点はAI外観検査もあわせてご覧ください。
クラックは細く低コントラストで、汚れやスクラッチと紛らわしい欠陥のため、判定モデルだけでなく撮像・照明設計が成否を大きく左右します。開口クラックは斜光や同軸照明で陰影・反射の不連続として顕在化させやすい一方、表面変化の乏しい微細クラックは明暗では原理的に苦しい場合があります。検出可否は欠陥の出方と撮像条件しだいで変わるため、現物での検証を前提に見極めることをおすすめします。
ご指摘のとおり、打ち抜き断面にはダレ・せん断面・破断面・バリが正常な加工結果として必ず存在します。そのため有無ではなく「許容量を超えたか」で判定する設計が現実的だと考えます。具体的には、AIに欠陥候補の位置・大きさ・種類を出させたうえで、許容バリ高さやダレ量といった基準で合否を切り分ける二段構えにすると、規格変更にも閾値調整で対応しやすく、判定理由の説明性も上がると考えられます。
重大欠陥ほど現物が少ないのは多くの現場で共通の悩みです。不良が集めにくい場合は、良品の見え方を多数学習して外れを拾う良品学習（異常検知）型のアプローチが選択肢になりやすいと考えられます。ただし良品のばらつき（材料ロット差や表面状態）を十分に学習させないと過検出が増えるため、良品データの代表性確保が重要です。まずは集まる範囲の現物で傾向を確かめ、運用に人の再確認を組み込みながら進めるのが現実的だと考えます。
撮像に使える時間が短い場合、何枚の画像をどの照明で撮れるかが制約になります。多照明で多面的に撮りたい要求とタクトはトレードオフになりやすいため、優先する欠陥に撮像リソースを集中させる設計が必要です。実際にどこまで間に合うかは、対象部品・搬送方式・必要な照明枚数によって変わるため、現物・現場での撮像検証を通じて確かめるのが確実だと考えます。
活かせる可能性が高いと考えます。打ち抜きの刃先が摩耗・ダレてくるとバリやカエリが徐々に増大する傾向があり、バリ量を定量的にトレンド管理できれば、規格外の不良が出る前に研磨・交換時期の予兆として捉えられる可能性があります。検査結果を金型・号機・ロット単位で記録すると、特定金型だけバリが早く増えるといった切り分けもしやすくなり、選別検査が予防保全や工程改善の起点になり得ると考えます。
クラックやバリが画像で見えるかどうかは、現物を撮ってみないと断定できません。元キーエンス画像処理事業部出身の監修者と一緒に、御社の実部品で撮像検証から始めることをご提案します。
現物検証・相談を申し込む