--- title: "外観検査装置とは？カメラ・レンズ・照明の構成と選定基準を実装目線で解説" url: "https://www.issoh.co.jp/tech/details/16882/" published: 2026-08-24 updated: 2026-08-24 categories: ["AI"] publisher: "株式会社一創" --- # 外観検査装置とは？カメラ・レンズ・照明の構成と選定基準を実装目線で解説 外観検査装置は、カメラで撮った画像から製品の傷・欠け・寸法を判定し、良否の信号を生産ラインへ返す設備です。カタログの画素数だけで選ぶと、現場で「その欠陥が写っていない」という壁にぶつかります。写るかどうかを決めるのは、レンズと照明と搬送のほうだからです。必要画素数の逆算、焦点距離の式、露光時間で決まるブレ量、タクトの積み上げ、既製装置と受託開発の切り分けを実装の解像度で整理しました。 ## まとめ｜外観検査装置で先に決まる撮像系とタクトの2つの設計 装置の性能は選定の順番でほぼ決まります。カメラの機種から入ると失敗する。先に決めるものが2つ。 1つ目は**撮像系の設計**。検出したい欠陥の最小寸法を決め、そこへ何画素当てるかを決めれば、視野と画素数が確定します。視野と作動距離が決まれば焦点距離が決まり、欠陥の種類が決まれば照明方式が決まる。出発点は「何ミリの傷を落とさずに拾いたいか」の一点です。 2つ目は**タクト設計**。撮像・転送・処理・判定出力・排出の各時間を積み上げ、タクトに収まるかを先に検算します。処理時間だけ見て転送を忘れると、5,000×4,000画素のカメラを1Gbps系につないで転送だけで0.2秒使う設計に陥る。 この2つが決まってから、判定をルールベースで書くのかAIモデルに任せるのか、既製装置か受託開発かという分岐に進んでください。順番を逆にすると撮像のやり直しで戻ります。 ## 外観検査装置の基本構成｜カメラ・レンズ・照明・搬送・判定PCの役割分担 外観検査装置は、画像検査装置・画像検査機・画像処理検査装置とも呼ばれます。呼び名の差はメーカーの流儀で、構成は共通。撮像系・処理系・機構系の3系統で眺めると、見積書の項目と実物が対応づきます。 ### 撮像系・処理系・機構系の3系統に分けて構成要素をとらえる考え方 撮像系はカメラ・レンズ・照明・照明コントローラで、画像の良し悪しを決める部分。処理系は判定PCと検査ソフトウェアで、画像から欠陥を抽出して良否を出します。機構系は搬送コンベア・位置決め治具・回転機構・NG排出機構です。 費用の重心はカメラ本体ではなく、照明と治具、多面検査のための機構です。精度を左右するのも機構系。位置ずれは画像処理側の補正で吸収できますが、傾きはピント面が変わるため補正が効きません。0.1mm単位の欠陥を見るなら、治具側で姿勢の再現性を確保するほうが安上がりです。 ### 判定PCとソフトウェアが担う範囲とGPU搭載が必要になる条件の見極め しきい値処理・ブロブ解析・パターンマッチングで書き切れるなら、産業用PCのCPU処理で足ります。ディープラーニングによる分類や異常検知を載せるなら、GPUを積むか推論用アクセラレータを持つコントローラを選ぶ判断に入る。 分かれ目は、欠陥をルールで言語化できるかどうか。手法の選び分けは[画像処理AIとは？古典的手法とディープラーニングの使い分けを実装判断で解説](https://www.issoh.co.jp/tech/details/16856/)で整理しています。 ## カメラ選定の判断軸｜エリアとラインの使い分けと画素数・インタフェースの決め方 カメラ選定は画素数の大小を比べる作業ではありません。検出寸法から必要画素数を逆算し、搬送形態からセンサ形式を決め、データ量からインタフェースを絞る。この3段階。 ### エリアカメラとラインスキャンカメラの選び分けと搬送形態の対応関係 エリアカメラは2次元の面を1回で撮ります。ワークが停止する、あるいは間欠搬送で一瞬静止するラインに向き、既製の外観検査装置の多くはこちら。ラインスキャンカメラは1ラインずつ読み、搬送に合わせて画像を積み上げる方式で、連続して流れる長尺物、円筒を回して全周を1枚にしたい対象、幅方向に高い分解能が要る場合に選びます。8,192画素のラインセンサなら、幅1,000mmの帯を約0.12mmの分解能で1台で覆えます。 動いているワークをエリアカメラで撮るならグローバルシャッタ機を選んでください。ローリングシャッタは行ごとに露光開始時刻がずれるため、像が斜めに歪みます。 ### 必要画素数の逆算｜欠陥寸法に何画素当てるかで決まる分解能の計算 先に決めるのは検出したい最小欠陥の寸法。0.2mmの傷を安定して拾いたいとします。欠陥1つに3〜5画素を当てるのが実務上の目安なので、1画素あたり0.04〜0.07mmの分解能が要る。視野幅200mmなら必要な水平画素数は200÷0.04＝5,000画素です。 | 視野幅 | 水平画素数 | 1画素あたり | 3画素で拾える欠陥 | | ----- | ----- | -------- | --------- | | 100mm | 2,448 | 約0.041mm | 約0.12mm | | 200mm | 2,448 | 約0.082mm | 約0.25mm | | 200mm | 5,000 | 0.040mm | 0.12mm | | 400mm | 5,000 | 0.080mm | 0.24mm | 200万画素機で視野200mmを覆うと1画素0.104mmとなり、0.2mmの傷は2画素弱にしか写らない。ノイズと区別がつきません。広く見たいという要望と細かい欠陥を拾いたいという要望は両立しないので、カメラを2台に分けて視野を半分ずつ担当させる構成も検討してください。 ### カメラインタフェースの選定｜帯域とケーブル長で絞り込む4規格の比較 インタフェースは帯域とケーブル長の2軸で決まります。2026年8月時点で各規格が公表している値です。 | 規格 | 帯域 | ケーブル長 | 向く構成 | | ----------------- | ----------------- | -------------- | ---------------- | | GigE Vision | 1Gbps系（上位に5G・10G） | Cat5e以上で100m | 制御盤とカメラが離れる分散配置 | | USB3 Vision | 5Gbps系 | おおむね3〜5m | PCを装置内に置く小型機 | | Camera Link | 最大6.8Gbps級 | リピータ無しでおおむね10m | 既存資産の流用・低遅延 | | CoaXPress（CXP-12） | 1レーン12.5Gbps | おおむね30〜35m | 高速ラインスキャン・多レーン束ね | CoaXPress は同軸1本で給電もでき、Power over CoaXPress の上限はケーブル1本あたり13W、制御とトリガに使う上り回線は最大42Mbps。トリガ同期が要る高速機で選ばれる理由がここにあります。なお「高感度」というカタログ表現は各社基準のため比較できません。EMVA 1288（Release 4.0が2021年6月発効）に沿ったデータシートなら、量子効率や暗電流ノイズを同じ土俵で並べられます。 ## レンズと照明の設計手順｜視野と作動距離から焦点距離を割り出す計算と光の当て方 撮像設計の中身は、レンズの焦点距離と照明方式の2つを決める作業です。ここが装置の成否を分けます。 ### 視野・作動距離・センサ寸法から焦点距離を出す計算と既製レンズへの寄せ方 焦点距離の概算は、センサ寸法×作動距離÷視野寸法で出ます。1/1.8型センサ（水平約7.2mm）で視野幅200mmを作動距離400mmから撮るなら、7.2×400÷200＝14.4mm。既製のCマウントレンズは8・12・16・25mmの刻みなので、16mmで作動距離を約444mmへ振り直すか、12mmで約333mmへ寄せる調整に入ります。 装置の高さ制約から作動距離が先に決まっているなら、この式を逆に使う。レンズ選定を後回しにすると、装置フレームの再設計に化けます。 ### 絞りと被写界深度のトレードオフ｜回折で解像が落ちる境界の見積もり ピントの合う奥行きは絞り込むほど深くなります。凹凸のあるワークで手前と奥の両方にピントを合わせたいとき、F値を上げたくなるのは自然な発想。ただし絞りすぎると回折で像がぼけます。 エアリーディスクの直径は 2.44×波長×F値 で見積もれます。可視光の中心波長を0.55µmとすると、F8で約10.7µm、F11で約14.8µm。画素ピッチ3.45µmのセンサなら、F8の時点で光の点が3画素分に広がっている計算です。絞るほど、画素数を増やしても分解能は上がりません。深度が足りないなら、作動距離を伸ばす、テレセントリックレンズを使う、撮像を2回に分ける、のいずれかが筋の通る手です。 ### 欠陥の種類ごとに変える照明方式｜同軸・ドーム・ローアングル・透過の使い分け 照明は明るさを稼ぐ道具ではなく、欠陥と背景のコントラストを作る道具。同じワークでも当て方を変えると、見えていなかった傷が浮きます。 - 同軸落射照明：鏡面・光沢面の刻印やムラ。光軸と同方向から当て、正反射で面を均一に光らせる - ドーム照明：曲面や光沢のある成形品。拡散光を全方向から当て、映り込みと影を消す - ローアングル照明：微細な傷・打痕・異物。斜めから当てて凹凸だけを光らせる - 透過（バックライト）照明：寸法測定・欠け・穴の有無。輪郭をシルエットで取る - リング照明：汎用。文字や大きな異物など元々コントラストが取れる対象 実務でまず試すのはローアングルと透過です。傷・打痕系はローアングルで見え方が大きく変わり、寸法・欠け系は透過なら二値化がそのまま効きます。前処理で詰まったときは[二値化とは？しきい値の決め方と大津・適応的の使い分けをOpenCVの実装で解説](https://www.issoh.co.jp/tech/details/16847/)を確認してください。波長も効きます。青や紫は微細な凹凸を拾いやすく、近赤外は樹脂の内部やラベルの下を透かす。 ### 露光時間とワーク速度で決まるブレ量とストロボ発光へ切り替える判断 流しながら撮る装置では、露光中にワークが動いた距離がそのままブレになります。搬送速度500mm/sで露光200µsなら0.1mm動く。1画素0.04mmの分解能なら2.5画素ぶれる計算で、0.2mmの傷は輪郭が溶けます。 許容できるブレは1画素以下。この例なら露光を50µs（約0.6画素）まで詰める必要があり、連続点灯の照明では光量が足りません。そこでストロボ発光へ切り替え、トリガと同期して瞬間的に強く光らせます。ラインスキャンではラインレートで考える。送り方向の分解能は 搬送速度÷ラインレート で、搬送1,000mm/sで0.05mmが要るなら20,000ライン毎秒が必要です。速度が変動するラインでは、エンコーダのパルスでラインレートを駆動して像の伸び縮みを防ぎます。 ## インライン方式とオフライン方式の違い｜全数検査と抜取検査で変わる設備条件 装置の置き場所は検査の目的から決まります。全数を保証したいのか、工程能力を監視したいのか。取り違えると、要らない速度性能に費用を払うことに。 ### インライン全数検査が成立する3条件とオフラインから始めるべき現場の型 インライン方式は生産ラインへ装置を組み込み、全数検査します。成立条件は3つ。タクトに検査時間が収まること、ワークの姿勢がライン上で再現できること、NG品を止めるか排出する機構を置けることです。載らないときは検査を分割し、主要面だけをインラインで見て寸法検査は後工程へ回す。速いカメラを1台買うより、遅いカメラを2台並べるほうが安く済む場面は珍しくありません。 オフライン方式は、ラインから外したワークを検査台に載せて調べます。抜取検査、初物検査、不良解析が主な用途。多品種少量の現場ではオフラインから始めるほうが投資を無駄にしません。品種ごとの撮像条件を作り込む工数が、オフラインなら段取り替えの手間として吸収できるからです。検査項目が固まっていない立ち上げ期も、条件出しをオフラインで済ませ、確定した項目だけをインライン化する順序が現実的です。目視検査を自動判定へ移す工程設計と判定基準の作り込みは[外観検査の自動化における工程設計としきい値の決め方](https://www.issoh.co.jp/tech/details/16884/)で扱っています。 ### AI判定を載せるかどうかの分岐とルールベースで書き切れる範囲の見極め 判定部の作りは装置構成とは別の判断です。「面積0.05mm²以上の黒点をNG」のように数値で書けるなら、ルールベースのほうが速く、説明もできる。書けないのは、傷の形が一定でない、良品側の模様のばらつきが大きい、木目や布のように背景が毎回違う対象です。ルールベースが破綻する境界の見極めと学習方式の選び分けは、[画像検査の検査タスク別アルゴリズム選定](https://www.issoh.co.jp/tech/details/16886/)で数値の判断軸まで整理しています。 教師データの量や再学習の体制まで含めた導入可否は装置選定とは別軸です。判断材料は[AI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説](https://www.issoh.co.jp/column/details/16007/)に集約したので、良品学習型と不良品学習型の選び分けはそちらで確認してください。欠陥の位置や個数まで出力したいなら検出のタスクで、手法の系統は[物体検出とは？仕組み・代表手法の比較から実装判断までエンジニア向けに解説](https://www.issoh.co.jp/tech/details/15323/)で比較しています。 ## タクト設計の実務｜撮像から判定出力までの所要時間を積み上げる検証手順 「1秒に1個流れるラインだから処理は1秒以内」という見積もりは外れます。検査に使える時間はタクトの全部ではなく、撮像に入れる区間だけだから。 ### 撮像・転送・処理・出力の所要時間を積み上げる計算と余裕率の置き方 積み上げる項目は次の順。 1. ワークの到着と位置決めの整定時間（振動が収まるまで待つ） 2. 露光時間とセンサの読み出し時間 3. カメラから判定PCへの画像転送時間 4. 前処理と判定の演算時間 5. 判定結果をPLCへ返す出力時間とNG品の排出動作 タクト1.0秒のラインで、整定50ms・撮像30ms・転送20ms・処理120ms・出力5msなら合計225ms。ここへ設計値の1.5〜2倍の余裕率を掛けておくと、品種追加で処理が重くなったときに耐えます。整定時間を測り忘れる設計が多い。搬送を止めた直後にシャッタを切ると、残った振動でブレます。6面を1台で回して撮ると整定が6回分積み上がるため、カメラ3台で2面ずつ担当させる並列化も選択肢です。 ### 転送帯域がタクトの上限を作る場面｜画素数とフレームレートからの試算 見落とされやすいのが転送時間。5,000×4,000画素・8bitモノクロの画像は1枚20MB。GigE Vision の1Gbps系は実効でおよそ100MB毎秒なので、1枚0.2秒かかります。10枚撮る装置なら転送だけで2秒で、タクト1秒のラインには載らない。 この試算を先にやれば、10GigEやCoaXPressへ寄せるのか、画素数を落として視野を分割するのか、カメラ内でROI（関心領域）だけを切り出すのかを具体的に比較できます。ROI設定と画素ビニングは、帯域が足りないときに最初に試す手です。 ## ライン組込みの接続設計｜PLCからのトリガ受けと判定結果の返し方の実装 外観検査装置は単体では完結しません。PLCと信号をやりとりし、上位の生産管理・品質管理システムへ結果を残すところまでが装置の仕事。 ### PLCからのトリガ受けと判定結果の返し方｜接点出力と産業用イーサネットの選択 最小構成は接点入出力です。ワーク検知センサの信号をトリガとしてカメラへ入れ、判定結果をOK・NG・検査完了の3点程度の接点でPLCへ返す。配線は増えますが遅延が小さく、切り分けも容易です。 どの欠陥種で落ちたか、測定値はいくつかまで渡したいなら、EtherNet/IP・PROFINET・EtherCAT といった産業用イーサネットで数値をやりとりします。既設ラインのPLCが対応するプロトコルは選べないため、装置選定の前に確認しておく項目。合わないと、プロトコル変換のゲートウェイが1台増えます。 ### NG品の排出制御とトレーサビリティ｜画像とロット番号の保存設計 NG判定後の動きは3通り。ラインを止める、シリンダやエアブローで排出する、下流へNGフラグを引き継ぐ、です。全数検査を名乗るなら、判定と排出の対応がずれない仕組み（ワークの通し番号管理）を入れます。搬送が速い装置ほど、撮った個体と排出した個体が1個ずれる事故が起きます。 画像の保存も設計項目です。1枚20MBなら1日8時間・1秒1個で576GB。この試算を先に出し、保存期間と圧縮方式、保存先を決めてください。ロット番号や製造日時と紐づけておかないと、後で不良解析に使えません。 ### 品種切替のレシピ管理と上位システムへ渡すデータ項目の決め方の整理 品種ごとに変わるのは、照明の光量・露光時間・判定しきい値・検査領域の座標です。これらをレシピとして保存し、PLCから品種番号を受け取って自動で切り替える構成にすると、段取り替えの時間が読めます。オペレータが毎回数値を打ち直す運用は、設定ミスによる流出の温床。 上位システムへ渡す項目は、良否・欠陥種別・測定値・検査日時・機番・ロット番号が最小セット。MESへ入れる前提なら、データ形式と送信方式（データベースへの書き込み、CSV出力、REST API）を装置仕様に書き込んでおきます。後付けで足すと追加費用として跳ね返る。 ## 既製装置と受託開発の切り分け｜作り込みが要る技術条件と過剰投資になる線引き 最後の分岐です。既製の外観検査装置を買うか、撮像系から判定ソフトまでを自社要件に合わせて作り込むか。判断は「要件が既製品の可変範囲に収まるか」の一点。 ### 既製の外観検査装置で足りる条件｜撮像設計ごと預けてよい工程の型 検査対象が量産品で形状が安定していること、欠陥が傷・異物・欠け・寸法といった定型であること、判定結果をOK・NGの接点でPLCへ返せば足りること、品種追加の頻度が低いこと。この4つが揃うなら、既製装置に撮像設計ごと預けて構いません。 この型で自前の作り込みに入るのは、時間と費用の持ち出しになります。装置メーカーは同種ワークの撮像条件を蓄積しており、照明の当て方だけでも到達点が違う。メーカーの見極め方は[AI外観検査の比較：メーカー・AIソフト・受託開発の選び方と判断基準](https://www.issoh.co.jp/column/details/16620/)で発注ルート別に整理しました。 ### 受託開発で作り込むべき技術条件｜既存設備と基幹システムへ寄せる場面 作り込みが必要になるのは、既製品の可変範囲から要件がはみ出したときです。 - 既存の搬送設備やロボットを残し、検査機能だけを後付けする - 判定結果を自社の生産管理システムやMESの既存テーブルへ書き込む - 欠陥がルールで書けず、自社の良品画像でモデルを作って再学習も自社で回したい - 複数拠点で判定基準を統一し、モデルとレシピを一元配布したい - 既存の検査装置が出力する画像を再利用し、判定部だけを差し替えたい この領域では、撮像系のハードは市販品で組み、判定ソフトと連携部分を開発する構成になります。判定モデルの構築と既存システムへの組み込みは[画像認識AIモデル構築](https://www.issoh.co.jp/service/ai/image%5Frecog/)で受けているので、現行ラインの制約を残したまま検査を足したい場合は撮像条件の検証から相談してください。 ### 作り込みが過剰投資になる線引きと導入自体を見送るべき工程の条件 言い切ります。次の3つに当てはまる工程では、装置化を見送るべきです。 1つ目は、検査基準が人によって割れている工程。限度見本が無い状態で装置を入れると、装置と人の判定が食い違い、結局は人が全数を再検査する運用に戻ります。先にやるのは基準の言語化と限度見本の整備です。2つ目は、生産数量が少なく段取り替えが頻繁な工程。年間数百個の品種が10種類ある現場では、レシピ作成と条件出しの工数が検査工数を上回る。3つ目は、欠陥の発生率が極端に低く流出コストも小さい工程で、100万個に1個を拾うための全数検査機は回収の説明がつきません。 逆に、検査員の判定が数値で書けており、流出時の損害が大きく、生産数量が一定以上ある工程なら、投資の説明は数字で組み立てられます。 ## よくある質問 外観検査装置の選定と導入で繰り返し出てくる質問をまとめました。 ### 外観検査装置と画像検査機・画像処理検査装置は違うものですか？ 指すものは同じです。カメラで撮った画像から良否を判定する装置を、メーカーの慣習で外観検査装置・画像検査装置・画像検査機・画像処理検査装置と呼び分けているだけで、構成に差はありません。ただし「画像処理検査装置」は、ディープラーニングを使わない古典的な装置を指すことがあります。カタログは呼び名ではなく、判定部がルールベースか学習モデルか、検出対象がどの寸法までかという仕様で見比べてください。 ### 外観検査装置はいくらぐらいで導入できますか？ 金額は構成で桁が変わるため、単一の相場では答えられません。決めているのはカメラ台数（何面を見るか）、搬送・回転・排出の機構の有無、判定がルールベースかAIモデルか、上位システム連携の要否です。カメラ1台のオフライン機と6面を全数インラインで見る専用機とでは別物。分解能計算とタクト計算で要件を数値化してから引き合いを出すと、各社の見積もりが同じ土俵に載ります。 ### 既存のラインに外観検査装置を後付けできますか？ できる場合と、機構から作り直しになる場合があります。判断材料は3つ。カメラと照明を置く空間（作動距離ぶんの高さ）が確保できるか、ワークの姿勢がその位置で安定しているか、NG品を止めるか排出する手段を挿し込めるかです。空間が足りないなら焦点距離の短いレンズで作動距離を詰める手はありますが、周辺の歪みが増えて寸法検査には向きません。 ### カメラは何画素あれば足りますか？ 画素数から決めるのではなく、検出したい最小欠陥の寸法から逆算します。欠陥1つに3〜5画素を当てるのが目安なので、0.2mmの傷を拾うなら1画素0.04〜0.07mmの分解能が必要。視野幅200mmなら水平で3,000〜5,000画素という結論です。同じ画素数でも視野を2倍にすれば分解能は半分になるため、「何メガピクセル」だけで比較しても答えは出ません。 ### 外観検査装置の判定結果をPLCや品質管理システムへ渡せますか？ 渡せます。PLCへは接点出力でOK・NGを返す方式が最小構成で、欠陥種別や測定値まで渡す場合は EtherNet/IP・PROFINET・EtherCAT などの産業用イーサネットを使います。MESへ入れるなら、データベースへの書き込み、CSV出力、REST API のいずれかを装置仕様として先に決めてください。既設PLCのプロトコルは変更できないことが多く、装置を選ぶ前に確認しておく項目です。 ## 関連記事 - [AI外観検査とは？仕組み・ルールベースとの違いと導入判断を解説](https://www.issoh.co.jp/column/details/16007/)：判定部にAIを載せるかの導入判断 - [AI外観検査の比較：メーカー・AIソフト・受託開発の選び方と判断基準](https://www.issoh.co.jp/column/details/16620/)：発注ルート別の費用構造 - [画像処理AIとは？古典的手法とディープラーニングの使い分けを実装判断で解説](https://www.issoh.co.jp/tech/details/16856/)：判定アルゴリズムの選択 - [二値化とは？しきい値の決め方と大津・適応的の使い分けをOpenCVの実装で解説](https://www.issoh.co.jp/tech/details/16847/)：撮像後の前処理の実装 --- 出典: [外観検査装置とは？カメラ・レンズ・照明の構成と選定基準を実装目線で解説]()（株式会社一創）