SGL — 製造現場AI研究室

※本ページには広告（PR）を含む場合があります。アフィリエイトリンク経由のお申し込みで当編集部が報酬を受け取ることがあります。

metalworking / capability review

金属加工でAI外観検査は何ができて、何ができないか

A-KIN-02｜初版 2026-07-18｜改訂 2026-07-18

実在ベンダーの公開情報に基づく整理（出典は文末）

「AIで目視検査を自動化」という宣伝は増えましたが、金属加工の現場で導入を検討するなら、できること・できないこと・導入前に自社でやるべきことを分けて理解する必要があります。本記事は、AI外観検査を提供する実在ベンダーの公開情報（キーエンス、MENOU）をもとに整理したものです。

1. AI外観検査の基本的な仕組み

従来の画像検査（ルールベース）は「明るさの差がしきい値を超えたらNG」のように人が判定条件を設計します。これに対しAI外観検査は、良品・不良品の画像を学習させて判定モデルを作る方式です。キーエンスは自社の解説ページで、キズ・欠け・異物など「形状や現れ方が一定しない不良」はルールベースでは条件設計が難しく、学習ベースのAI検査が向く領域だと説明しています。また同社は、AIであっても照明・レンズ・カメラで欠陥が「画像に写っていること」が前提であり、撮像条件の設計が精度を左右するとしています。

2. できること（ベンダー公開情報ベース）

1. キズ・打痕・欠け・異物付着など「出方が毎回違う」不良の検出。ルールベースで拾いきれなかった不定形の不良は、AI化の主戦場です（キーエンス解説ページ）。
2. 金属部品への適用実績。検査AIベンダーのMENOUは、ネジ（金属部品）の外観検査事例を公開しており、金属部品でのAI検査が実用段階にあることを示しています。同社は導入事例集で、目視検査の省人化・検査の安定化を主な効果として挙げています。
3. 検査員による判定バラつきの平準化。人の目視は体調・熟練度で判定が揺れますが、学習済みモデルは同じ基準で判定し続けます。これは「検査の勘所が属人化している」工場ほど効きます。
4. ノーコードでの内製。MENOUはプログラミング不要で検査AIを内製できることを製品の特徴として公開しており、外注せず現場でモデルを育てる選択肢が生まれています。

3. できないこと・苦手なこと

1. 金属光沢との戦いは残る。鏡面・ヘアライン・切削目のある金属表面は、光の反射がキズと同じように写るため、撮像条件が悪いと過検出（良品をNGと誤判定）が多発します。キーエンスが照明・撮像設計を繰り返し強調するのはこのためで、「AIを入れれば照明設計が不要になる」わけではありません。
2. 不良サンプルが少ないと学習が難しい。不良率の低い工場ほど学習用の不良画像が集まらないというジレンマがあります。良品のみで学習する方式も各社が提供していますが、その場合も「どこまでが良品のばらつきか」の線引きは人が教える必要があります。
3. 官能検査は代替できない。手触り、バリを指でなぞる感覚、叩いた音、におい——画像に写らない検査項目はAI外観検査の対象外です。バリの「触って分かる」判定を自動化したいなら、画像で判定できる形（限度見本の撮像基準化）に翻訳する作業が先に必要です。
4. 判定基準が曖昧なままでは精度が出ない。AIは「人が決めた基準」を学ぶ道具であり、検査員ごとにOK/NGの境目が違う状態で画像を集めると、矛盾したデータを学習して精度が頭打ちになります。

4. 導入前に自社でやるべきこと

結論はシンプルです。AI外観検査の導入準備とは、検査基準の棚卸しそのものです。（1）不良の種類と限度見本を写真つきで整理する、（2）検査員間の判定バラつきを一度測る、（3）客先ごとの「本当の基準」を書き出す——この3つはベンダー選定の前にでき、しかも導入しない場合でも品質管理の資産として残ります。棚卸しの具体的な進め方は記事①を参照してください。

視座ステージ診断（無料・約7分・登録不要）— いま何を見て働いているかを20問で確かめる →

出典

（2026年7月17日閲覧）

1. キーエンス「AI外観検査」画像処理.com keyence.co.jp
2. MENOU「AI外観検査事例｜ネジ（金属部品）」 menou.co.jp
3. MENOU「AI外観検査 導入事例」 menou.co.jp

※本記事はベンダーの公開情報の整理と一般的な技術解説であり、特定製品の性能保証・推奨ではありません。3章の苦手領域は業界で広く指摘される一般論としての整理です。

---

関連セクション

• 製造業AIガイド——中堅工場のAI導入と技能伝承の実践情報暗黙知の棚卸しチェックリスト、大型投資の波及分析、技能伝承の最初の一歩。
• 建設業AIガイド——現場監督の暗黙知とAI活用の実践情報現場監督の暗黙知の棚卸し、2024年問題の統計、施工写真・報告書のAI省力化、積算の伝承。