外観検査はどこから自動化するのか？——画像検査に向く不良・向かない不良と、目視を残すべき4条件【2026年版】

製造DX編集部

2026年10月7日公開

外観検査の自動化を検討すると、「どの工程の検査を機械に置き換えるか」から考えがちです。しかし同じ工程の検査でも、寸法や部品の有無を見る項目と、キズや色むらを見る項目では、自動化のしやすさがまったく違います。この記事では、外観検査を不良の種類ごとに分けて自動化の順番を決める方法と、画像検査に向く不良・向かない不良、そして目視を残すべき条件を整理します。

この記事の要点

外観検査の自動化は工程単位ではなく不良の種類単位で判断します。1つの検査工程に、自動化しやすい項目としにくい項目が混ざっているためです。
最初の関門は判定基準を見本で示せるかです。検査員によって合否が割れる不良は、カメラを入れても同じように割れます。
部品の有無・位置・寸法は、明暗や形で合否を決められるため自動化しやすい項目です。
鏡面や曲面の浅いキズ、色や光沢のむらは見え方が安定しにくく、目視を残す判断が現実的なことが多い項目です。
どの方式でも見逃しと過検出は残るため、迷った品を人が見直す工程を最初から設計に入れます。

この記事はどんな判断に役立つ？

この記事が支援する判断：品質保証や生産技術の担当者が、画像検査装置やAI検査の見積を依頼する前に「どの不良を機械に任せ、どの不良を目視に残すか」を決める場面を支援します。カメラの用途の選び分けは別記事で扱っており、本記事は外観検査の不良ごとの判断に絞っています。

外観検査は、どこから自動化するのか？

結論から言えば、最初に確かめるのは「判定基準を見本で示せるか」で、その次が「毎回同じ見え方で撮れるか」です。検査工程で見ている不良を種類ごとに書き出し、基準が言葉と見本で決まっている不良から順に機械へ移します。図1の5段階は、前の段階の答えが次の段階の前提になる順に並べています。

不良の書き出しでは、種類ごとの発生件数と、流出したときの影響も並べておきます。発生が多く、流出の影響が大きい不良ほど自動化の効果は大きくなりますが、年に数回しか出ない不良は、判定の見本を集めることも難しくなるからです。

図1　外観検査の自動化の順番を決める5つの段階。②の判定基準が決まらない不良は、先の段階に進めない（編集部作成）

なぜ判定基準が最初の関門なのか？

画像検査の装置もAIも、人が決めた基準を速く同じように当てはめる道具であり、基準そのものは作れないからです。ベテランの検査員が「この程度のキズなら通す」と経験で決めている場合、その境界は装置に教えられません。検査員によって合否が割れる原因を扱った過去記事では、次のように整理しています。

判定差は「やる気」や「経験年数」だけの問題ではなく、判断に使う情報がそろっていないことから生まれる構造的な現象です。
同じ図面なのに検査員によって合否が変わる——品質判定のばらつきが生むコストと、検査基準を品質OSにそろえる順番

画像検査に向く不良・向かない不良は、どう見分けるのか？

見分ける軸は、「明暗や形の差として写るか」と「その差が毎回同じように写るか」の2つです。部品の有無や位置のずれは、背景との明暗の差がはっきり出るため、照明を整えれば安定して判定できます。一方、浅いキズや色のむらは、照明の角度やワークの向きで見え方が変わり、同じ不良でも写ったり写らなかったりします。表1は、代表的な不良について判断基準をまとめたものです。

不良の種類	自動化のしやすさ	自動化できる条件	向かない条件
部品の有無・取り付け位置	しやすい	背景との明暗の差がはっきり出る	部品と背景が同じ色・材質
寸法・穴位置	しやすい	ワークの位置を治具で決められる	ワークの置き方が毎回違う
文字・刻印・ラベル	しやすい	印字の位置と書体が決まっている	刻印が浅く、照明で見え方が変わる
欠け・バリ・異物	条件次第	輪郭や背景との差として写る大きさがある	微小で、表面の模様と区別がつかない
キズ・打痕	条件次第	平らな面で、照明の角度を固定できる	鏡面・曲面で、反射の出方が変わる
色むら・光沢むら・質感	しにくい	許容範囲を限度見本と数値で示せる	許容の境界が検査員の感覚に頼っている

表1　外観検査の不良ごとに自動化の向き・不向きを見分ける判断基準（編集部作成）

ルールベースとAIは、どう使い分けるのか？

判定方式は、写り方の安定性と、集められる不良の例の数で3つから選びます。明暗や寸法のしきい値で決めるルールベースの画像処理、良品の画像だけを学ばせて「いつもと違う」を拾うAI、不良の画像を学ばせて種類まで分けるAIです（図2）。不良がほとんど出ない工程では、不良の例を集められないため、良品だけで学ぶ方式が候補になります。

図2　外観検査の判定方式の3つの型。ルールで足りる項目にAIを使う必要はない（編集部作成）

AIを選ぶ場合は、学習の前に「どんな品が、どんな条件で流れてくるか」を書き出すことが欠かせません。産業技術総合研究所の「機械学習品質マネジメントガイドライン第4版」は、この要求分析の段階について、「システムの利用状況に関する見落としがあると、データの収集から実際の訓練過程・テスト工程に至るまでほとんどの段階で誤りに気付く機会がなく」と述べています（出典：産業技術総合研究所、7.2節 p.82）。品種、材料ロット、季節による外光の差などを、撮り始める前に並べておきます。

目視を残すべき4条件——自動化が向かないのはどんなときか？

外観検査の自動化は、基準と見え方が一定であることを前提に成り立ちます。次の条件に当てはまる不良は、装置を入れても見逃しや過検出の対応に追われるため、目視に残すか、先に条件を整えるべきです。

合否の境界が検査員の感覚に頼っている——限度見本がなく、検査員によって判定が割れる不良は、装置に教える正解が決まりません。
鏡面・曲面で反射の出方が変わる——同じキズでも、ワークの向きで写ったり消えたりします。照明の工夫で解けない場合は目視のほうが確実です。
年に数回しか出ない重大な不良がある——例を集められず、AIの評価もできません。その不良だけは人の目で確かめる工程を残します。
品種の切り替えが頻繁で、設定を保つ担当がいない——品種ごとのしきい値や学習の手入れが止まると、判定は少しずつずれていきます。

ただし、これらは装置の性能だけで決まる性質ではありません。工場のカメラの用途を扱った過去記事でも、次のように整理しています。

照明を固定する、治具でワークの向きをそろえる、対象を一部の品種に絞る——といった手当てで、条件そのものが変わります。
工場の監視カメラは何のために置くのか？——稼働監視・作業分析・外観検査・防犯で変わる要件と、AI解析が向かない条件

見逃しと過検出は、どちらを優先して決めるのか？

流出したときの影響が大きい不良ほど、見逃しを減らす側にしきい値を寄せ、増えた過検出は人の再判定で受けます。見逃しは客先への流出につながり、過検出は良品を不良として弾く手間とロスにつながります。両方を同時にゼロにはできないため、どちらをどこまで許すかを、自動化の前に品質保証と製造で決めておきます。

このとき、再判定に回る品の数が、人の手で見直せる量に収まるかを確かめます。過検出が多すぎると、再判定の担当者が装置の判定を信用しなくなり、結局すべてを目視し直すことになるからです。弾いた品の処置の決め方は、不適合品の処置を扱った記事で整理しています。

まとめ——外観検査の自動化は「判定基準」から決める

外観検査の自動化は、検査で見ている不良を種類ごとに分け、判定基準→撮像条件→判定方式→人の再判定の順に判断します。部品の有無・位置・寸法・刻印のように明暗や形の差で決まる項目は機械に任せやすく、鏡面や曲面のキズ、色や光沢のむらは目視に残すのが現実的なことが多い項目です。すべてを置き換えることにこだわらず、見逃しと過検出のどちらを優先するかを先に決め、迷った品を人が見直す工程を残してください。設備側の失敗の型は、自動化が止まる原因を整理した記事も参考になります。

どの不良を機械に任せ、どこを目視に残すかは、対象の検査工程を1つ挙げて不良を書き出すと決めやすくなります。外観検査の自動化の進め方を相談する（無料）