外観検査装置(欠陥検査装置)とは、部品や製品の品質を一定に保つために外観を検査し、傷や異物などの欠陥を検出して良否を判定する装置です。人が目で見て判断していた目視検査を、カメラやレーザーなどのセンサーと画像処理技術に置き換えて自動化します。
「画像検査装置」「画像処理検査装置」「外観検査機」などと呼ばれることもありますが、いずれも製品の外観を自動で検査する装置を指しています。
外観検査装置はさまざまな業界で導入されており、主に以下のような検査に使われています。
検査したい対象物の大きさや形状によって適した検査方法が異なるほか、装置によっても対応できる検査項目や得意分野が異なります。「何を」「どこまで」検査したいのかを整理したうえで、自社に合った装置を選ぶことが大切です。
以前は「部品や製品に傷や凹凸などの異常はないか?」という検査の多くが目視で行われていました。目視検査では検査員の目で良否を判定し、必要に応じてルーペや顕微鏡も使われます。目視検査と外観検査装置の主な違いは次の通りです。
| 項目 | 目視検査 | 外観検査装置 |
|---|---|---|
| 判定基準 | 検査員の経験や体調によって差が出やすい | 設定した基準で常に同じ判定ができる |
| 検査速度 | 検査員の人数と作業時間に左右される | ラインの速度に合わせた検査や全数検査がしやすい |
| 微細な欠陥 | ルーペや顕微鏡が必要になる場合がある | 装置の分解能に応じて微細な欠陥も検出できる |
| 記録 | 記録や集計に手間がかかる | 画像や判定結果をデータとして保存しやすい |
| 柔軟性 | 判断が難しい欠陥や新しい品種にもその場で対応しやすい | 品種や欠陥ごとに検査条件の設定・学習が必要 |
人の目による目視検査は細かな判断ができる一方、毎日何千何万と製造される部品や製品をすべて人の目で検査していては、時間と人件費がかかるうえヒューマンエラーも起こりやすくなります。流通する製品に傷や欠陥があれば、顧客からの信頼を失うだけでなく、事故や不具合のもとになるおそれもあるでしょう。
外観検査装置を導入して検査を自動化することで、品質の安定、検査効率の向上、人件費の削減などが期待できます。
目視検査では「作業者による検査精度のばらつき」が課題となっています。また、「作業者を確保するための採用・育成コスト」も企業を悩ませる問題のひとつ。さらに目視検査は「カメラやレーザーに比べて検査効率が劣る」という点もあり、検査装置の導入がおすすめです。
検査装置では設定した基準での検査を短時間で行えるうえ、目視検査では限界のある細かな部品の検査も可能です。項目によって検査装置と目視検査を使い分け、検査効率と生産性の向上を実現させましょう。
製造工程において、欠陥を安定して検出できる外観検査装置は、製品の歩留まり向上や品質管理になくてはならない存在です。外観検査装置の精度には、複数回測定したときの値のばらつきが小さいこと(再現性)と、真値にどれだけ近いかが求められます。
近年は製品の微細化に伴って検出すべき欠陥の寸法が小さくなっており、欠陥の検出感度を高めることが重要な課題です。特に半導体分野ではウエーハサイズの拡大で検査面積も大きくなっているため、高感度かつ高速な欠陥検出が求められています。
現場のニーズに応えるため、多くのメーカーが画像処理やレーザー計測、AIなどの技術開発に取り組み、外観検査装置の精度向上を図っています。
外観検査装置は、人の「目」にあたる撮像部と、「脳」にあたる判定部を中心に、ワーク(検査対象物)を運んで不良品を振り分ける搬送部や、ラインとの信号のやり取り・結果の記録を担う制御部などを組み合わせて構成されています。主な構成要素と役割は次の通りです。
| 構成要素 | 役割 | 主な機器 |
|---|---|---|
| 撮像部 | ワークを撮影・計測し、画像やデータにする | カメラ、レンズ、照明、レーザーセンサーなど |
| 判定部 | 画像やデータから欠陥を抽出し、良否を判定する | 画像処理装置・PC、検査ソフト(ルールベース/AI) |
| 搬送・排出部 | ワークを決まった位置へ運び、NG品を振り分ける | コンベア、位置決め治具、ロボット、パーツフィーダー、排出機構 |
| 制御・記録部 | ラインと信号をやり取りし、検査結果を保存する | PLC(制御装置)、NASなどの記録装置 |
参考:株式会社デクシス「外観検査とは|自動化やAI外観検査など外観検査の基礎知識のご紹介」
(https://decsys.co.jp/column/column_gaikankensa_toha/)
画像処理方式の外観検査装置では、カメラで撮影した画像をもとに検査を行います。カメラには、面で一度に撮影する「エリアカメラ」と、1ラインずつ連続して撮影する「ラインスキャンカメラ」があり、部品のように1個ずつ流れるワークにはエリアカメラ、フィルムや鋼板のように連続して流れるワークにはラインスキャンカメラが使われるのが一般的です。また、平面の画像を撮る2Dカメラのほか、高さや形状まで計測できる3Dカメラもあります。
レンズは、検出したい欠陥の大きさと撮影範囲(視野)に合わせて選びます。検出したい最小の欠陥を何画素で捉えるかによって、必要なカメラの画素数や視野が決まるため、先に「何mmの欠陥を見つけたいか」を決めておくことが重要です。なお、撮像素子にはCCDとCMOSがあり、近年はCMOSセンサーを搭載したカメラが多く使われています。
参考:TMCシステム株式会社「外観検査カメラのメリットと選び方」
(https://www.tmcsystem.co.jp/column/fa/appearance-inspection-camera)
画像処理方式では、欠陥と背景の明暗差(コントラスト)をはっきりさせる照明の選び方が、検査精度を大きく左右します。同じワークでも光の当て方を変えると見え方が変わるため、欠陥の種類やワークの表面状態に合わせて照明を選びます。代表的な照明の例は次の通りです。
| 照明の種類 | 光の当て方 | 向いている検査の例 |
|---|---|---|
| ローアングル照明 | ワークに対して低い角度から光を当てる | 傷や輪郭の検出 |
| 同軸照明 | レンズと同じ軸上から光を当てる | 鏡面ワークの傷や文字の検査 |
| ドーム照明 | 拡散させた均一な光を全方向から当てる | 凹凸の影響を抑えた検査 |
| 透過照明(バックライト) | ワークの背面から光を当てる | 外形の計測 |
参考:オムロン株式会社「画像処理用照明 FLVシリーズ」カタログ
(https://www.fa.omron.co.jp/data_pdf/cat/flv_fl_sdnb-029_15_6.pdf)
なお、レーザースキャン方式のように、装置自身が照射するレーザー光でワーク表面の状態を読み取り、検査用の照明を別途用意しない方式もあります。検査方式の違いについては後述します。
判定部では、撮影した画像やデータから欠陥を抽出し、良品か不良品かを判定します。判定方法には、不良とする形・色・大きさなどの条件を人があらかじめ設定する「ルールベース」と、良品や不良品の画像を学習させて判定する「AI(ディープラーニング)」があります。寸法のように数値で基準を決めやすい検査はルールベース、形や見え方にばらつきのある欠陥はAIが得意とするなど、検査内容に応じて使い分けたり組み合わせたりします。
生産ラインに組み込む場合は、ワークを決まった位置に安定して送り込む搬送機構や位置決め治具、不良品をラインから取り除く排出機構も必要です。ライン側のPLCから検査開始の信号を受け取り、判定結果を返す仕組みもあわせて設計します。
また、検査画像や判定結果をロット番号とひもづけて保存しておけば、不良が発生したときの原因調査や品質改善(トレーサビリティの確保)に役立てられます。
外観検査装置は、設置形態や検査方式などさまざまな切り口で分類できます。代表的な分け方は次の通りです。
| 分け方 | 主な種類 |
|---|---|
| 設置形態 | 卓上型(オフライン)/半自動型/インライン型 |
| 装置のタイプ | 画像センサ/画像処理システム/用途に特化した専用機 |
| 検査方式 | 画像処理方式(2D・3D)/レーザースキャン方式 |
| 判定方式 | ルールベース/AI(ディープラーニング) |
| 検査対象 | 起伏面・表面/内径(穴・円筒内面)/立体物/電子基板(AOI) |
参考:株式会社キーエンス「外観検査装置の選び方|方式の使い分けと選定基準」
(https://www.keyence.co.jp/products/vision/blog/visual-inspection-system-selection-guide.jsp)
外観検査装置は、生産ラインとは別の場所で検査する「オフライン型」と、生産ラインに組み込んで検査する「インライン型」に大きく分けられます。
オフライン型は作業台に置ける卓上タイプなどが代表的で、ワークを人がセットして検査します。抜き取り検査や精密な検査に向いており、比較的導入しやすい一方、全数検査には向きません。ワークのセットは人が行い、撮影と判定を装置が行う「半自動型」もあります。
インライン型は、ライン上を流れる製品をリアルタイムで検査する方式です。生産しながら全数検査ができ、検査を機械に任せられるため人件費の削減が期待できます。その分、搬送やNG品の排出まで含めた設計・設置が必要で、導入には時間とコストがかかります。
それぞれ特徴やメリット・デメリットが異なるため、検査の目的や生産量に合わせて選ぶのがおすすめです。
製品の傷などの欠陥を検出する外観検査装置の検査方式は、「画像処理方式」と「レーザースキャン方式」に大別できます。
画像処理方式では、カメラで撮影したデータを処理し、画像をもとに欠陥検査を行います。目視検査における人の目をカメラ、人の脳を画像処理装置に置き換えて考えるとわかりやすいでしょう。
検査ではあらかじめ良品の情報を登録しておき、カメラで撮影した対象物のデータと照合して合否判定を行います。投光器(照明)から照射した光が検査対象物で反射または透過し、カメラに取り込まれて電気信号に変換される仕組みです。対象物を鮮明に撮影できるかどうかが検査精度に影響するため、カメラやレンズ、照明の選定が重要なポイントです。平面の画像で検査する2Dのほか、3Dカメラや光切断方式で高さ・形状まで計測する3Dの方式もあります。
レーザースキャン方式では、対象物にレーザー光を照射して走査し、反射光を分析して表面の傷や欠陥を検査します。微小なスポットのレーザー光で表面を細かく読み取れるため、物体表面の微細な傷や変形の検査に向いている方式です。装置自身がレーザー光を照射するため、検査用の照明を別途用意しなくてよい装置もあります。
レーザースキャン方式には、安定した照射が可能な「平行ビーム型」と、検査精度の高い「レーザー集光型」があります。また、集光スポットが安定しにくいというレーザー集光型の課題を解消した「可変焦点方式」も登場しています。
従来の外観検査装置では、不良とする形や色、大きさなどの条件を人があらかじめ登録する「ルールベース型」が主流でした。数値で基準を決めやすく、判定の根拠を説明しやすいのが特徴です。
一方、近年は良品・不良品の画像を学習させて判定する「AI」を活用した装置も増えています。不良の特徴が一定でない製品でも検出しやすいのが特徴で、ルールベースとAIを組み合わせた装置もあります。AIの活用については後述します。
外観検査装置は、検査したい対象物の形状によって得意・不得意が分かれます。当サイトでは、検査対象ごとに次の3つに分けて装置を紹介しています。
このほか、電子基板の部品の実装状態やはんだの状態を検査する装置は「AOI(自動光学検査装置)」と呼ばれます。当サイトではEAGLE 3D(ペントロンジャパン)やSherlock(レクザム)、VT-Zシリーズ(オムロン)などを紹介しています。
外観検査装置を導入することで、検査を自動化できます。今まで人海戦術で対応していた検査を機械が代わりに行うため、検査員の負担は大きく軽減されるでしょう。
外観検査装置は、設定した基準で常に同じ判定を行います。目視検査で起こりうる「検査員によって良否の判断基準が異なる」といったばらつきを抑え、検査の質を落とさないまま多くの対象物を検査できます。また、装置の分解能によっては、人の目では見落としやすい微細な欠陥を見つけられることもあります。
外観検査装置の検査には、検査対象物をカメラで撮影する画像処理方式や、レーザースキャン方式などがあります。微細な欠陥を見逃さずにスピーディな検査を行えるため、検査効率がアップ。検査効率が上がることで製造の流れもスムーズになります。
これまで多くの人員を必要としていた検査も、外観検査装置を導入することで人件費を削減できます。装置の導入にはコストがかかるものの、長期的に見れば人件費を抑えられるケースも多いでしょう。また、検査項目が増えた場合でも、人員を増やさずに対応しやすくなります。
外観検査装置を導入する場合、イニシャルコストが発生します。ただし、省力化や工数削減を実現できるため、検査項目数や検査の難易度によっては目視検査に頼るよりもコストメリットを感じられる可能性もあります。費用対効果を分析しながら導入を検討しましょう。費用の目安はこちらで紹介しています。
外観検査装置は導入してすぐに稼働できるわけではなく、良品と不良品の判断基準を装置に設定・学習させる必要があります。また、製品の形状や検査項目によっては外観検査装置だけでは十分な検査を行えない場合もあるため、目視検査でまかなう項目についても事前に決めておきましょう。
外観検査装置は「高機能な装置ほどよい」というものではなく、自社の検査対象と要件に合っているかどうかで選ぶことが大切です。「何を検査したいか」から逆算して、方式や装置を絞り込むのが失敗しないコツです。また、これまでの目視検査をすべて自動化できるとは限らないため、装置が得意とする検査は機械に任せ、それ以外は目視で行うといった使い分けも検討しましょう。ここでは、選定の手順を6つのステップで紹介します。
まずは検査したい製品の形状(平面・円筒の内面・立体物など)、材質、大きさ、表面の状態(光沢の有無など)を整理します。検査対象によって適した方式や装置が大きく変わるため、最初に整理しておくべきポイントです。
装置を導入する製品を選ぶ際は、効果を得やすい「目視検査にかかる時間が他の製品と比べて長い」製品を選ぶとよいでしょう。また、「今後も継続して受注する製品である」「他の製品にも展開できる形状・材質である」といった点も考慮し、装置を長期的に活用できるかを見極めることも大切です。
複雑な形状の対象物の場合、装置によっては正確な良否判定が難しいこともあるため、検査対象に合った性能をもつ装置を選びましょう。
次に、検出したい欠陥の種類(傷・打痕・異物・寸法不良など)と、どの大きさからNGとするのかを決めます。ここが曖昧なままだと、「導入後に検出したいNGを検査できないことが判明した」という失敗につながります。
たとえば似たような傷でも「突いたような打痕」と「押したような打痕」では検査条件が異なるため、突いたような打痕を検出する設定にした場合、押したような打痕は検出できない可能性があります。
「金属の表面を突いたような打痕」だけでは大きさが不明瞭なため、「金属の表面を突いたような打痕で、開口径φ1mm・深さ1mm以上のものはNG」のように数値で基準を決めると、メーカーに要求が正しく伝わり、検査要求に合った装置に仕上がりやすくなります。目視検査に頼っていた企業では明確な数値基準がない場合もありますが、満足のいく検査を行うためにも数値基準の設定をおすすめします。
全数検査が必要であればインライン型、抜き取り検査でよければオフライン型が候補になります。インライン型の場合は、生産ラインのタクトタイム(1個あたりにかけられる時間)内に撮影・判定・排出まで終えられるかを確認しましょう。
既存のラインに組み込む場合は、設置スペース、ワークの搬送方法や位置決めの精度、電源・エアの有無、PLCとの信号のやり取りなどを確認します。搬送装置やNG品の排出機構まで含めて検討が必要になるため、検査ユニットだけでなく周辺の機械まで相談できるメーカーかどうかもチェックしておくと安心です。
候補の装置が決まったら、実際の良品・不良品のサンプルを使ってテストを依頼し、狙った欠陥を安定して検出できるかを確認します。サンプルテストに対応しているメーカーも多いため、導入前に実施しておきましょう。
AIに不良品の特徴を学習させる場合は、学習させる不良品のデータが不足していると正確な良否判定ができません。たとえば「学習させていない種類の不良品が見つかった」「不良品の特徴をしっかり撮影できていなかった」「肉眼では見えない製品の特徴を考慮せずに学習させたことで、目視では良品でもAIでは不良品と判定してしまう」といった問題が起こりえます。サンプルテストの段階で、不良の種類を漏れなく用意しておくことが大切です。
参考:経済産業省「AI導入ガイドブック」
(https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_gaikan_ryohin_FIX.pdf)
画像処理検査の専門知識がないと設定変更が難しい装置を選ぶと、担当者が不在のときに対応できず、ラインが止まってしまうおそれがあります。せっかく生産効率を上げるために導入しても、これでは意味がありません。
導入前に、現場の担当者でも扱いやすい操作画面かどうか、操作の教育や品種追加時の設定変更に対応してもらえるか、メンテナンスや修理をどこまで任せられるかを確認しておきましょう。
外観検査装置の導入費用の一部を補助してくれる制度があります。制度ごとに対象となる事業や補助率、公募の時期が異なり、内容は年度や公募回によって変わるため、申請前に公募要領で内容を確認しましょう。
なお、多くの補助金では原則として交付決定前に発注・契約した経費は補助の対象外です。設備の発注時期にも注意が必要です。
中小企業庁のチラシでは、一般型の活用例として、自動車関連部品の製造事業者が、検査の難しい微細な部品の製造を効率化するために、デジタルカメラやAI技術を活用した自動外観検査装置を現場に合わせて導入するケースが紹介されています。現場に合わせて設計する外観検査装置の導入と相性のよい補助金といえるでしょう。次回の公募は事務局のホームページで確認してください。
参考:中小企業庁「中小企業省力化投資補助金」チラシ
(https://www.chusho.meti.go.jp/koukai/yosan/r6/shoryokuka.pdf)
参考:独立行政法人中小企業基盤整備機構「中小企業省力化投資補助事業(一般型)公募要領(第8回公募)」(2026年8月)
(https://mirasapo-plus.go.jp/wordpress/wp-content/uploads/2026/09/24180529/application_guidelines_ippan_08.pdf)
参考:J-Net21「中小企業省力化投資補助金(一般型)(第8回公募)」
(https://j-net21.smrj.go.jp/snavi/articles/189811)
カタログに掲載された汎用製品から選んで導入する類型です。検討している装置がカタログに登録されているかどうかは、販売事業者に確認しましょう。
参考:経済産業省「エッセンシャルサービス省力化補助金の概要」(2026年2月25日)
(https://www.meti.go.jp/shingikai/sankoshin/chiiki_keizai/maintaining_local_life/pdf/004_s01_00.pdf)
2026年度から、従来の「ものづくり補助金」と「中小企業新事業進出補助金」が統合されて始まった補助金です。新製品・新サービスの開発や新市場への進出に必要な設備投資が対象のため、新しい製品の生産・品質保証体制を整える一環として外観検査装置を導入する場合などは、事業計画の要件に合えば活用できる可能性があります。
参考:ミラサポplus「新事業進出・ものづくり商業サービス補助金の第2回公募要領を公開しました」
(https://mirasapo-plus.go.jp/infomation/34119/)
参考:ミラサポplus「新事業進出・ものづくり商業サービス補助金の第1回公募要領を公開しました」
(https://mirasapo-plus.go.jp/infomation/33311/)
令和7年度補正予算事業から「IT導入補助金」の名称が「デジタル化・AI導入補助金」に変わりました。補助対象はソフトウェアやクラウドサービスなどのITツールが中心のため、AI外観検査ソフトなど、事務局に登録されたツールを導入する場合に活用を検討できます。
参考:中小企業庁「『デジタル化・AI導入補助金2026』の概要」(令和8年3月)
(https://www.chusho.meti.go.jp/koukai/yosan/r8/digital_ai_summary.pdf)
参考:ミラサポplus「デジタル化・AI導入補助金」
(https://mirasapo-plus.go.jp/subsidy/ithojo/)
※補助金の情報は2026年11月12日時点で確認した内容です。
株式会社ヨシズミプレスは金型製作から順送プレスまで一貫して生産を行っており、導入前は月50万個の製品の目視検査を実施していました。目視検査を担当する検査員は6名。すべての目視検査を終えるには6名の検査員で10日間ほどかかっており、ひと月で450時間もの検査時間を要していたそうです。
そこで、直径5mmほどのレーザーダイオード部品の目視検査をAIに任せることで、検査に必要な時間を月279時間(約40%減)にまで削減。利益率アップや従業員のストレス軽減につながりました。
同社の吉住研専務取締役は「モデル構築のプロセスが理解しやすく、外観検査装置についての知識がなくても導入できた」と話しています。
参考:経済産業省「AI導入ガイドブック」
(https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_gaikan_ryohin_FIX.pdf)
プラスチック加工などの製造業を営む墨田加工株式会社。導入前は月約4,320個の製品を目視で検査しており、検査員2名で3日間ほどの検査時間が必要でした。目視検査では眼の疲れやヒューマンエラーへの不安も抱えていたようです。
導入後は、3cmほどの円形状プラスチック加工品をAIによる検査へ移行。AIは周辺視で検査を行い、結果を待つ間に検査員が中心部を目視検査する流れに変えました。その結果、検査時間を約36%減少できたとのことです。
同社の副工場長は「人の熟練度合いに関わらず、導入して直後から安定した結果を得られるのは大きなメリット。AIの判定から人が学ぶべき点もある」と話しています。
参考:経済産業省「AI導入ガイドブック」
(https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_gaikan_ryohin_FIX.pdf)
外観検査装置で検査する内容は、業界や製品によって異なります。代表的な業界での検査の例を紹介します。
自動車部品では、エンジンボアやシリンダライナ、マスターシリンダ、バルブボディ、ピストンなどの円筒状部品の内面にできる鋳巣(いす)や、ブレーキキャリパなどへの切粉の混入、鋳造品・成形品の表面の傷や打痕などが検査の対象になります。円筒の内面は目視が届きにくいため、内面専用の検査装置が活躍する分野です。
半導体製造では、パーティクル(微粒子)などによって不良品や歩留まりの低下が起こるリスクがあるため、工程ごとにさまざまな検査が行われます。主な工程と検査の例は次の通りです。
| 工程 | 主な検査の例 |
|---|---|
| 洗浄 | パーティクルや金属、有機物などによる汚染の程度 |
| イオン注入・熱処理 | ウエーハの抵抗率測定、工程前後のパーティクル検査 |
| リソグラフィー | 重ね合わせのズレ、寸法、パターン欠陥 |
| エッチング | パーティクル汚染、パターン欠陥、エッチング後の形状 |
| 成膜 | パーティクル汚染、抵抗値、膜厚 |
| 研磨 | パーティクル汚染、パターン欠陥、膜厚、平坦度 |
検査には、ウエーハ表面検査装置やパターン付きウエーハ欠陥検査装置、走査型電子顕微鏡、膜厚測定装置などが使われます。
シリンジやチューブ、カテーテルなど人体に関わる医療用機材では、異物の混入や微細な傷、変形の見逃しが大きな問題につながりかねません。微細な欠陥を見逃さない検査に加え、検査結果を漏れなく記録できることも求められます。
食品業界では、異物の混入のほか、包装の印字不良やシール不良、ビンやペットボトルなど容器の欠け・傷などが検査の対象になります。生産量が多いため、ラインの速度に合わせた高速な検査が求められます。
従来の外観検査装置では、欠陥を検出させるため不良とする形や色、大きさなどのデータを人があらかじめ登録する「ルールベース型」の方法が用いられています。
数値で基準を決めやすい検査に向いている一方、不良の形や見え方が一定でない場合は、条件を登録しきれないこともあります。そこで近年は、AI技術を活用した欠陥検査にも注目が集まっています。
AIでは「製品の特徴を自動的に抽出し、判断する」ことができます。教師あり学習と教師なし学習の方法があり、教師あり学習では正解ラベルをつけて学習させることで、不良部分の特徴と一致するものを検出します。また、教師なし学習ではAIが自動的にデータの特徴を学習し分析します。
AI技術を用いると、登録した不良を探すだけでなく、学習した良品との違いから不良を見つけることもできます。そのため、不良の特徴が一定でない製品を扱う生産ラインでも役立ちます。ルールベースとAIにはそれぞれ得意な検査があるため、検査内容に合わせて選んだり組み合わせたりすることが大切です。
A. 呼び方の違いで、製品の外観を自動で検査する装置という点は同じです。メーカーによって「画像検査装置」「画像処理検査装置」「外観検査機」などと呼び分けていますが、基本的な構成は共通しています。なお、カメラではなくレーザーで表面を読み取る装置も外観検査装置に含まれます。
A. Automated Optical Inspectionの略で、主に電子基板に実装された部品やはんだの状態を光学的に検査する外観検査装置です。部品の欠品や位置ずれ、極性違い、はんだブリッジなどを検出します。
A. 一般に「visual inspection system」や「automated visual inspection system」と呼ばれます。電子基板向けの装置は「AOI(Automated Optical Inspection)」と呼ばれるのが一般的です。
A. 産業用カメラや照明、画像処理ソフトを組み合わせて、簡易的な検査システムを試作することは可能です。ただし、生産ラインで安定して使うには、照明の設計やワークの位置決め、判定基準の設定、ラインとの連携、故障時の対応まで考える必要があります。量産ラインで使う場合は、専門のメーカーに相談することをおすすめします。
A. 設置スペースや搬送方法、ラインとの信号のやり取りなどの条件が合えば、後付けできる場合があります。ワークの位置決めや不良品の排出機構を追加する必要があるケースもあるため、搬送まで含めて相談できるメーカーに確認しましょう。
A. 装置の構成や検査対象によって異なりますが、サンプルテストから設計・製作、立ち上げまで含めると、数か月〜1年程度かかるケースもあります。詳しくは「導入の流れと期間」をご覧ください。
A. 簡易なオフライン型の装置から、搬送まで含めて1,000万円を超えるインライン型の装置まで幅があります。詳しくは「価格相場と費用の内訳」をご覧ください。
A. 中小企業省力化投資補助金など、外観検査装置の導入に活用できる補助金があります。詳しくは「活用できる補助金」をご覧ください。