活用事例

表面欠陥検査

金属部品のAI表面欠陥検査。キズ、へこみ、割れ、バリ、塗装不良を検出します。良品から学習し、御社のPLC経由で不良品を排出します。

表面欠陥検査は、金属部品やその他の加工品のキズ、へこみ、割れ、バリ、ピット、塗装不良を、ラインから出る前に検出します。DeepVisionはすべての部品を撮像して良品の外観と比較し、問題のある位置を示したうえで、合否判定を御社のPLCへ送ります。これにより排出が自動で行われます。

背景知識については、AIと機械学習による欠陥検出と鉄鋼・金属製造におけるAI外観検査のガイドをご覧ください。

100%Tier-1サプライヤーのホワイトボディラインでの精度(穴、ボルト、外周の検査)
≥98%カメラ10台構成の平板ボード表面検査ラインでの検出率

ホワイトボディラインでは、DeepVisionが各シートの穴とボルトをカウントし、側面カメラがシート外周全体を監視して、エッジの欠陥、割れ、変形を検出しました。詳しくは板金検査の導入事例とボード検査の導入事例をご覧ください。後者は最大1240 × 2445 mmのボードを対象に、ボード全面を100%カバーした事例です。

表面欠陥検査で確認する項目

欠陥部品上での見え方
キズ・擦れハンドリング、治具、コンベヤー、金型との接触による細い線。特定の照明角度でしか見えないことが多くあります。
へこみ・打痕局所的なくぼみや出っ張り。塗装や仕上げに問題がなくても、表面の光の反射が変わります。
割れ・裂け曲げ部、絞り部、穴、エッジなど、材料が最も強く引き伸ばされた箇所に生じる微細な割れ。
バリ・エッジの欠陥切断、打ち抜き、トリミング後に残る盛り上がり、粗いエッジや裂けたエッジ、エッジの欠けや変形。
ピット・巣鋳物、溶接部、塗膜、圧延面に生じる小さな穴や空隙の集まり。
塗装・コーティングの不良タレ、流れ、塗り残し、ゆず肌、膨れ、異物の混入、塗りむら。
シミ・汚れ表面に残った油跡、錆、変色、残留物、異物。
しわ・変形プレスパネルや板金部品の波打ちや座屈。

目視検査や抜き取り検査で表面欠陥を見逃す理由

熟練した検査員であれば、良好な照明のもとで実際に見た部品の表面欠陥はほとんど見つけられます。しかし光沢のある金属上の微細な割れや浅いキズは、シフトの終盤になるほど見逃しやすくなり、大型部品では急いで見ると目立つ面は確認できてもエッジまでは見きれません。抜き取り検査で確認できるのは抜き取った部品だけなので、金型の摩耗、治具の損傷、塗装ガンの状態変化があると、2回の抜き取りの間に不良品が続けて生産されることがあります。

また、判断は検査員によってばらつき、目視検査では顧客からクレームがあったときに確認できる画像が残りません。

反射面や凹凸のある表面:照明が重要な理由

研磨面や光沢のある金属は鏡のように振る舞います。カメラにはギラつきが写り、キズが見えなくなる一方で、無害な映り込みが欠陥のように見えることがあります。ヘアライン、ブラスト、鋳肌、シボなどの表面ではその逆の問題が起こり、実際の欠陥を複雑な背景模様の中から際立たせる必要があります。

そのため、撮像系の構成はAIモデルと同じくらい重要です。部品に応じて、ギラつきを抑える拡散照明、キズや盛り上がったエッジに影を作る低角度照明、へこみや波打ちを映り込みパターンの乱れとして浮かび上がらせる構造化照明などを使い分けます。カメラ、レンズ、照明は検査ステーションに固定され、すべての部品が同じ条件で撮像されるため、わずかな差異が際立ちます。

DeepVisionが表面欠陥を検出する仕組み

  1. 撮像。制御された照明のもとで1台以上のカメラが通過する部品をすべて撮像し、重要な面とエッジをカバーします。大型部品は複数台のカメラで撮像し、画像をつなぎ合わせてカバーできます。
  2. 良品から学習。DeepVisionは異常検知を採用しています。わずか200枚の良品画像で学習し、不良のラベル付けは不要で、正常な表面の見え方を学習します。一度も撮影したことのないまれな欠陥も、正常と一致しないため検出できます。詳しくは不良画像なしで行う異常検知をご覧ください。
  3. 位置の特定。モデルは部品ごとに、表面が正常と異なる箇所を示すヒートマップを出力します。作業者や品質エンジニアは、不良フラグだけでなく、キズ、へこみ、割れの正確な位置を確認できます。
  4. 判定。ライン横のエッジハードウェア上で推論は約22 msで完了し、御社が設定したしきい値に基づいて部品ごとに合否を判定します。
  5. 排出。判定結果は御社のSiemens、Allen-Bradley、三菱電機のPLCへ送られ、既存の排出ゲート、振り分け装置、ライン停止を作動させます。
  6. 記録。すべての部品の画像と結果が保存されるため、排出、顧客からの問い合わせ、根本原因の調査を実際の部品までさかのぼって追跡できます。
不良品ライブラリは不要良品から学習を始めるため、キズや割れのあるサンプルを何百個も集めてラベル付けする必要はありません。
有無だけでなく位置もわかるヒートマップが欠陥箇所を示すため、再検査が速くなり、原因を金型、治具、工程にさかのぼって特定しやすくなります。
現場で稼働検査は工場内のエッジハードウェアで実行され、クラウド接続は不要です。詳しくはセキュリティとISO/IEC 27001:2022をご覧ください。

表面欠陥検査の活用分野

  • 自動車のプレス・ホワイトボディ:プレスパネル、ブラケット、板金部品の割れ、エッジの欠陥、しわ、形状の欠落を検査します。詳しくは自動車向けAI検査をご覧ください。
  • 機械加工部品・鋳造部品:仕上げ面やエッジのキズ、バリ、ピット、巣。
  • 塗装・コーティング部品:塗装、粉体塗装、めっき後の塗り残し、タレ、膨れ、汚れ。
  • 平板パネル・ボード:カメラアレイで撮像し、大判の表面を全面カバー。
  • 鉄鋼・金属加工:鋼板、コイル、加工製品。

よくあるご質問

AIで光沢のある金属のキズを検出できますか?

はい。表面に合わせて照明を設計すれば可能です。光沢のある金属や研磨面では、拡散照明や低角度照明を使うことで、キズがギラつきに隠れず、画像上の一貫した変化として現れます。精度をお見積りする前に、御社の部品で照明を評価します。

学習には、すべての欠陥の種類の画像が必要ですか?

いいえ。DeepVisionは良品の画像から学習するため、始めるにあたって不良サンプルは必要ありません。不良サンプルは、稼働前のシステム検証に役立ちます。

無害な跡と本当の欠陥を見分けられますか?

小さな跡を不良とするかどうかは、部品と跡の位置によって異なります。排出基準はセットアップ時に御社の品質部門と取り決め、並行稼働で確認します。また、ヒートマップで何が検出されたかを正確に確認できます。結果の測定方法については、精度の測定方法をご覧ください。

キズ、割れ、へこみのある部品が顧客に届いていませんか?板金の導入事例やDeepVisionのAI外観検査をご覧いただくか、御社の部品を使ったデモをお申し込みください。

上部へスクロール