外観検査における照明・光学系とAI精度の関係
— 照明方式・レンズ選定・トリガー同期の設計ポイント —
前回は、外観検査システムにおけるカメラ選定とAI PC接続設計について整理しました。
今回は、その一歩手前に位置する「照明・光学系」を取り上げます。
外観検査AIの開発現場でよく起きる問題のひとつが、「AIモデルを変えても精度が改善しない」というケースです。
その原因の多くは、モデルやアーキテクチャではなく、照明設計にあります。
本記事では、照明方式の選び方・レンズ選定の考え方・AI PCとのトリガー同期設計という3つの観点から整理します。
1. なぜ照明がAI精度に直結するのか
AIモデルは、入力された画像から特徴を抽出して判定を行います。
照明が不適切な場合、本来検出すべき傷・汚れ・欠けが映像に現れにくくなり、どれほど高精度なモデルを使っても検出できません。
逆に言えば、適切な照明設計によって欠陥を明確に映し出せれば、シンプルなモデルでも高い精度を発揮できます。
これは機械学習の文脈でよく使われる「Garbage in, Garbage out（GIGO）」の法則がそのまま当てはまります。
入力画像の質がモデルの限界を決める。照明設計は、AI精度の上限を設定する工程です。
また、照明の安定性も重要です。
照明の輝度・色温度が変動すると、同じワーク・同じ欠陥であっても画像の見え方が変わります。
モデルが学習時とは異なる照明条件の画像を入力された場合、精度は大幅に低下します。
照明を安定させることは、推論精度の再現性を確保することに等しいです。
2. 主な照明方式と特性
産業用外観検査で使われる照明方式には、ワークの形状や検出対象によって適したものが異なります。代表的な4種類を整理します。
① リング照明（リング型LED）
カメラレンズの周囲を囲むように配置するリング型の照明です。
正面からワークを均等に照らすため、汎用性が高く、平面部品の表面検査や文字・刻印の読み取りに広く使われます。
ただし、ワーク表面に光沢がある場合は正反射（ハレーション）が発生しやすい点に注意が必要です。
② ドーム照明（拡散照明）
ドーム型の内側に光源を配置し、拡散光でワーク全体を均一に照らす方式です。
曲面・鏡面・凹凸が少ないワークの照射に適しており、影の発生を抑えて均一な明るさを確保するのが最大の特徴です。
表面の微細な傷や色むらを検出する用途に向きます。
③ 同軸落射照明（コアキシャル照明）
光源からの光をビームスプリッターで光軸と同軸方向に折り曲げ、カメラと同じ方向からワークに垂直に照射する方式です。
平坦な鏡面ワークの検査に特化しており、傷・段差・微細な凹凸があれば光の反射差として明確に現れます。
基板・半導体・金属平板の検査で使われることが多いです。
④ バックライト（透過照明）
ワークの背面から光を当て、シルエットとして撮影する方式です。
ワークの外形寸法・穴の有無・欠けや欠損の検出に使われます。
形状の輪郭を鮮明に浮かび上がらせるため、寸法検査・有無確認に適しています。
3. 照明選定で意識すべき3つの軸
照明方式の選定は、以下の3軸で整理すると判断しやすくなります。
① 照射角度：正反射か拡散か
ワーク表面に対して光をどの角度から当てるかで、映像に現れる情報が変わります。
ハレーション（正反射による白飛び）を避けたい場合は斜め照射や拡散照明を、逆に鏡面の微細な傷を強調したい場合は同軸照明を選びます。
同じワークでも照射角度を変えるだけで検出率が大きく変わるため、試行検証が必要です。
② 波長（色・スペクトル）
白色LED以外にも、赤・緑・青・近赤外（NIR）など特定波長の照明を使うことで、ワークの素材によっては欠陥コントラストが向上します。
たとえば、近赤外照明は食品中の異物（種・骨）検出に使われることがあります。
モノクロカメラと特定波長の照明を組み合わせることで、カラー情報に依存しない安定した検査が可能になります。
③ 輝度の安定性・寿命
照明の輝度は経年劣化や温度変化で変動します。
輝度変動はAI精度の低下に直結するため、定電流駆動型の照明コントローラを使用し、輝度を一定に保つ設計が重要です。
また、スポット的に高輝度パルスを発光させるストロボ点灯は、カメラのシャッター速度を実効的に上げてモーションブラーを抑える効果があります。
4. レンズ選定のポイント
照明と合わせて設計が必要なのがレンズです。
カメラのイメージセンサーに対して適切なレンズを選ばないと、端部のボケ・歪み・解像度不足が生じます。
焦点距離と視野角
焦点距離は「どの距離でどの範囲を撮影するか」を決める基本パラメータです。
ワーキングディスタンス（カメラとワークの距離）とワーク寸法から、必要な焦点距離を計算します。
設備の制約でカメラとワークの距離が限られる場合は、短焦点レンズや広角レンズが必要になることがあります。
解像度（空間分解能）
検出したい欠陥の最小サイズに対して、1ピクセルあたりの実寸がどれくらいになるかを計算して確認します。
例えば、0.1mmの傷を検出したい場合、1ピクセル = 0.05mm 以下の解像度が必要です。
イメージセンサーの画素数だけでなく、レンズの光学解像度（MTF）もこれを満たしている必要があります。
歪み（ディストーション）
寸法検査では、レンズの歪みが直接計測精度に影響します。
一般的な標準レンズは端部に向かって歪みが生じるため、高精度な寸法計測にはテレセントリックレンズの使用を検討します。
テレセントリックレンズは視差が発生しないため、ワークの高さが多少変動しても寸法誤差が生じにくい特性があります。
5. 照明・光学系とAI PCのトリガー同期
照明・カメラ・AI PCは独立した機器ですが、外観検査システムとして機能させるには、これらのタイミング同期（トリガー制御）が不可欠です。
典型的なトリガー連携の流れは次のとおりです。
-
ワーク検出：フォトセンサーやエンコーダがワークの通過を検知する
-
PLCへ信号出力：センサー信号をPLCが受け取り、タイミングを調整する
-
カメラ・照明に同期トリガー：PLCまたはAI PCからカメラのシャッターと照明のストロボを同期させる
-
AI PCで推論実行：取得した画像をただちに前処理→NPU推論→判定まで処理する
-
PLCへ合否出力：判定結果をDIOまたはEtherNet/IP等でPLCへ返す
このフローを成立させるために、AI PCにはデジタルI/O（DIO）ポートが必要です。
外部トリガーを受信するための入力ポートと、合否判定信号を出力するための出力ポートが求められます。
また、ストロボ点灯とカメラシャッターのタイミングがずれると、ブレた画像が取り込まれてしまうため、マイクロ秒オーダーの精度でトリガー制御が行えることが設計要件になります。
おわりに
外観検査AIの精度は、AIモデルだけで決まるわけではありません。
照明方式・レンズ選定・トリガー同期という「入力画像の品質を決める設計」が、モデルの精度の上限を設定します。
照明設計を後回しにして学習データを集め始めると、収集したデータ全体が使いにくい画質で揃ってしまい、後から照明を変更したときにデータを取り直すことになります。
照明・光学系の設計は、AI開発のなかで最初に着手すべき工程のひとつです。
外観検査システム向けのAI PCの構成選定や、DIOを使ったトリガー制御設計についてご相談がある場合は、お気軽にお問い合わせください。
本記事のシリーズ
-
第3回：外観検査における照明・光学系とAI精度の関係（本記事）
