注目分野は欠陥検出（品証品管ニュース）

2025 . 08 . 29 品証・品管ニュース

Anomaly Detection Takes Center Stage

One application driving AI adoption is anomaly detection, which Witherspoon describes as “sort of the entry level when getting into AI solutions.” These systems learn what normal parts look like and flag deviations automatically.

“Nowadays, simplified inspections involve training a neural network on the specifications and parameters of the standard parts, to be able to flag and reject any deviations,” Witherspoon says.

This approach addresses a common challenge manufacturers face: they’re getting better at not making defective parts, making it harder to build strong vision systems.

“Manufacturers are getting really good at not making bad parts. So, finding the issues and testing the accuracy of the systems is often a challenge,” Witherspoon says. “If you only have a good part, it is hard to build a robust vision system around it. How do you inspect for something you haven’t seen or made yet?”

Synthetic data generation helps fill this gap, allowing manufacturers to create training data for defects they haven’t yet encountered in production.

3D Imaging Comes of Age

Three-dimensional imaging technology has become a reliable, widely adopted solution. The technology has moved beyond its experimental phase to become standard equipment in many applications.

“Three-dimensional imaging has evolved past its nascent development stage and is now a commonly used and well-established technology,” Fimeri says. “Stereo, projected stereo and laser profiling cameras account for the majority of application we get involved with, but Time of Flight is another camera type that is improving and gaining traction in the market.”

For example: Stereo vision works well for robotics applications, while laser profiling is more appropriate for conveyor-based product inspection. Three-dimensional imaging technology has advanced over time. It is now available in higher resolution, and can perform more consistently across conditions. It’s also become easier to implement.

“Three-dimensional imaging systems have gained more resolution, deliver more and better 3D data, perform better under varying imaging conditions, automatically deliver rectified 2-D color or texture images, and have become easier to implement with more standardized interfaces and software,” Dechow says.

The combination of 3D imaging with AI is particularly powerful. “Three-dimensional inspections allow for depth to be used when looking at quality. It can be combined with deep learning to create new, powerful solutions to help manufacturers solve applications that could not be done in the past,” Witherspoon says.

注目分野は欠陥検出

AI導入の目的として多いのは、欠陥検出だ。ウィザースプーン氏は「AIソリューションの導入では入門レベルのようなもの」と説明する。欠陥検出システムは、正常な部品の外観を学習し、逸脱があれば自動的に知らせるシステムだ。

「最近の簡易検査システムでは、標準部品の仕様やパラメータをニューラルネットワークに学習させることで、不良品を検出したり、不合格にしたりできる」とウィザースプーン氏は言う。

この手法なら、製造業者が直面する共通の課題、つまり、不良品の発生率が低下する中、強力なビジョンシステムを構築する難易度が増しているという問題に対処できる。

ウィザースプーン氏はこう指摘する。「不良部品の発生率は非常に低くなってきている。そのため、問題を発見することや、システムの精度を検証することは、かえって困難なことが多い。良品ばかりあっても、そこから強固なビジョンシステムを構築するのは難しい。まだ見たことも作ったこともない不良品をどうやって検出するんだ？」

このようなデータの不足を補うために役立つのが合成データ生成だ。生産現場でまだ発生したことのない不良についての学習データを作成できる。

3Dイメージングの成熟

三次元（3D）イメージング技術は、信頼できるソリューションとして広く採用されるようになった。実験段階を乗り越え、多くの用途で標準装備が始まっている。

「3Dイメージングは、その初期開発段階を過ぎ、今では確立された技術として普及期を迎えている」とフィメリ氏は言う。「私たちが扱う用途のほとんどで、ステレオ方式、投影ステレオ方式、レーザープロファイリング方式のカメラが使用されるが、TOF（Time of Flight）方式も改善が進み、市場で注目を集めている」

具体的には、ステレオ方式のカメラは、ロボットアプリケーションと相性が良いが、レーザープロファイリング方式はコンベアを用いた製品検査に適している。3Dイメージング技術は時代とともに進化してきた。解像度の高いシステムが登場し、異なる条件下でのパフォーマンスも安定してきた。さらに、実装も容易になった。

「三次元イメージングシステムは、解像度が上がり、取得できる3Dデータの量と質が向上し、さまざまな撮像条件下でより優れた性能を発揮でき、自動修正した二次元カラー画像やテクスチャ画像を出力できるようになったほか、インターフェースやソフトウェアが標準化されたことで実装が容易になった」とデチャウ氏は言う。

特に、3DイメージングをAIと組み合わせると、その効果は絶大だ。「三次元検査では、品質の確認に奥行きを使える。深層学習と組み合わせることで、製造業でこれまで実現できなかったような用途に対応できる強力なソリューションを新たに生み出すことができる」とウィザースプーン氏は言う。