外観検査をAIで自動化｜中小製造業の始め方と費用

結論：無人化ではなく「絞り込み」

外観検査のAI化で相談を受けるとき、最初にお伝えするのはこれです。検査員をゼロにする計画は立てないでください。

うまくいっている現場がやっているのは、こういう分け方です。

• AIが「明らかに良品」と判断したものは、そのまま流す
• AIが「怪しい」と判断したものだけ、人が見る
• 人が見る量が、全数の1割から2割まで減る

検査員の仕事はなくなりません。見る対象が10分の1になります。この形なら、見逃しの最終責任は人が持ったまま、時間だけが減ります。

逆に「全数を無人で判定する」を目標にすると、必要な精度が跳ね上がり、費用も期間も一気に膨らみます。中小製造業で頓挫する案件は、ほぼこの入口の設計を間違えています。

目視検査が限界になる3つの兆候

2026年版ものづくり白書は、経済産業省のサイトで公表されています。掲載されている労働政策研究・研修機構（JILPT）の調査「ものづくり産業における人材確保・定着と技能継承に関する調査」（2026年5月）には、次の数字があります。

項目	数字
将来の技能継承に「不安がある」「やや不安がある」（n=4,262）	85.5%（23.7%＋61.8%）
技能継承が「あまりうまくいっていない」「うまくいっていない」	65.6%（55.6%＋10.0%）
不安の中身：熟練技能者の高齢化・退職（n=3,641・複数回答）	63.0%
不安の中身：若手が採用できない	57.0%

目視検査は、この「技能」の典型です。判定の基準が人の頭の中にあり、言語化されていない。だから引き継げない。

自社が該当するか、この3つで確かめる

1. 検査員によって判定が割れる。同じ製品を2人に見せると結論が違うことがある
2. 限度見本が更新されていない。あるいは、限度見本はあるが実際には使われていない
3. 特定の1人が抜けると検査が止まる。その人にしか分からない不良がある

3つとも当てはまるなら、AI検査を検討する価値があります。1つも当てはまらないなら、今の体制のほうが安く早いです。

AI外観検査で何ができるか

できることと、できないことを分けます。ここを混ぜたまま見積もりを取ると、話が噛み合いません。

できること	できないこと
見た目の差を検出する（キズ、汚れ、欠け、変色、異物）	内部の欠陥を見る（画像に写らないものは判定できない）
寸法や位置のずれを測る	「なぜその不良が出たか」を突き止める
判定の記録を自動で残す	限度見本にない新種の不良を、初見で正しく分類する
24時間、同じ基準で判定し続ける	判定基準そのものを決める

「なぜ出たか」は分かりません。AIが返すのは「いつもと違う」までです。原因の特定は、これまでどおり現場の仕事です。

2つの方式の違い

方式によって、集める画像も費用も変わります。

	良品学習（異常検知）	不良分類（教師あり学習）
学習に使うもの	良品の画像	良品と不良品の両方の画像
必要な枚数の目安	良品 数百枚から	不良の種類ごとに数百枚
向いている場面	不良がめったに出ない。種類が読めない	不良の種類が決まっていて、量がある
中小企業での現実	こちらが現実的	不良品の画像がそもそも集まらない

不良率が低い工程ほど、不良品の画像は集まりません。年に数個しか出ない不良を数百枚集めるのは不可能です。だから中小企業では良品学習から入ります。

導入前に決める4つの条件

ベンダーに問い合わせる前に、社内でこの4つを決めてください。決まっていないまま話を始めると、見積もりが比べられません。

1. 対象を1工程・1品目に絞る

「全製品の外観検査」で話を始めない。いちばん検査に時間がかかっている1品目の、1つの面だけにします。ここで結果が出てから広げます。

2. 見逃しと過検出、どちらを許すか決める

ここが最も重要です。AI検査には必ず2種類の誤りがあります。

• 見逃し：不良を良品と判定する。流出につながる
• 過検出：良品を不良と判定する。人の確認作業が増える

この2つは同時には減りません。片方を減らすともう片方が増えます。「両方ゼロにしてください」という要望は、技術的に成立しません。

絞り込み方式を採るなら、答えは決まっています。見逃しをできるだけ避け、過検出は許す。過検出されたものは人が見るので、最終的な流出は防げます。人の確認量が全数の何割までなら許容できるか、その数字を先に決めてください。

3. 撮影条件を固定できるか確認する

AI検査の成否の半分は、撮影で決まります。

• 照明の明るさと角度が毎回同じか
• 製品の置き方（向き・位置）が毎回同じか
• 外光が入らないか（窓際、時間帯で変わる）
• 粉じんや油でレンズが汚れないか

ここが固定できない工程では、どんなに高性能なAIを入れても安定しません。治具と照明の話は、AIの話より先です。

4. 判定結果を誰がどう扱うか決める

AIが「怪しい」と出したものを、誰が、いつ、どこで見るのか。ラインを止めるのか、後工程にまとめるのか。この運用が決まっていないと、導入後に検査員の負担が増えます。

画像を集める手順と枚数の目安

実際の作業はここが8割です。順番に進めてください。

手順1：良品を撮る（数百枚）

まず良品だけを撮ります。このとき、「良品の範囲」を意図的に広く取ります。ロットの違い、材料の違い、季節による色味の違いを、できるだけ含めてください。

ここで狭い範囲の良品しか撮らないと、稼働後に「良品なのに弾かれる」が大量発生します。

手順2：不良品を撮る（あるだけ）

保管してある不良品を全部撮ります。数個しかなくても構いません。これは学習用ではなく、評価用です。作ったAIが、その数個を実際に弾けるかを確かめるために使います。

不良品を捨ててしまっている工場が多いのですが、今日から保管を始めてください。AIを入れる入れないに関わらず、限度見本の更新にも使えます。

手順3：撮影条件を記録する

照明の型番、明るさ、カメラの位置、距離、露光の設定。全部メモしておきます。本番でこの条件を再現できないと、集めた画像が無駄になります。

手順4：良品と不良品を分けて保管する

フォルダを分けて、ファイル名に日付とロットを入れます。あとから「この時期の画像だけ除外したい」が必ず起きます。

精度をどう評価するか

各社が示す検出率は、測定に使った製品と条件が公開されていません。だから他社の数字を比べても意味がありません。自社の製品で測ってください。

測り方

1. 手順2で集めた不良品を全部流す。何個弾けたかを数える（見逃しの確認）
2. 良品を100個流す。何個が「怪しい」と判定されたかを数える（過検出の確認）
3. この2つを、そのまま記録する

「99%」という1つの数字にまとめないでください。見逃し0個・過検出12個のように、2つ並べて書きます。この形なら、改善したかどうかが翌月も比べられます。

数字の意味を、量で確かめる

仮に良品100個中12個が過検出だったとします。1日の生産が2,000個なら、1日240個を人が見ることになります。今の全数検査が2,000個なので、確認量は12%に減りました。

この計算を必ずやってください。率のままでは判断できません。自社の日産数を掛けて、人が見る個数に直したときに現実的かどうかで決めます。

費用と体制のモデルケース

金属部品の加工を行う従業員30名の工場を想定したモデルケース（試算）です。実測値ではなく、下の前提を置いた場合の計算です。

項目	導入前	導入後（試算）
人が目視する個数（1日）	2,000個	240個
検査にかかる時間（2名合計・1日）	420分	90分
判定基準の教育（新人1名あたり）	3か月	1か月

検査時間の差は1日330分です。月20日稼働で110時間。ただしこれは検査工程だけの話で、撮影治具の保守と画像の追加学習という新しい仕事が増えます。差し引きで手が空くのは、この試算の6割から7割程度と見ておくのが安全です。

費用の内訳

項目	費用の目安	備考
カメラ・照明・治具	製品と工程で大きく変わる	ここが最も差が出る。既存の設備に載せられるかで桁が変わるため、必ず現物を見せて見積もりを取る
AI検査ソフト	買い切り型と月額型がある	公開している会社が少ない。同じ条件を書いた資料を作り、3社に同時に渡して比べる
画像の収集・学習	自社工数	外注もできるが、撮影条件を知っているのは自社。ここは内製が早い
導入支援（Ai-Raku）	初期費用0円・月額5万円〜	要件の整理、ベンダー比較の条件そろえ、運用ルールづくりまで

金額の相場をこの記事では書きません。各社が価格を公開しておらず、製品形状と設置条件で桁が変わるためです。相場を推測で書くより、条件をそろえて相見積もりを取るほうが確実です。同じ考え方はAI研修会社の比較でも整理しています。

補助金を使う場合

設備を伴う導入では、ものづくり補助金やIT導入補助金の対象になる場合があります。公募回ごとに要件と採択率が変わるため、必ず公募要領の最新版で確認してください。当サイトでもシステム開発に使える補助金で整理しています。

AIに任せない検査の線引き

次の検査は、AIに置き換えないでください。

検査の種類	理由
安全に直結する部位の最終確認	見逃しが人身に及ぶ工程は、人の確認を残す
顧客が指定した検査項目	取引先の指定方法を自社判断で変えない。変更するなら承認を取る
新規立ち上げ品の初回ロット	良品の範囲がまだ定まっていない。AIの基準を作る材料がない
クレーム対応時の再検査	何を見たかの説明責任が生じる。人が見た記録が必要
官能検査（手触り・音・においを伴うもの）	画像に写らない。カメラの対象外

もう1つ、運用のルールとして。AIが「良品」と判定したものを、抜き取りで人が確認する工程は残してください。撮影条件がずれてもAIは黙って判定を続けます。ずれに気づく仕組みは、人の抜き取りしかありません。

失敗する3つのパターン

1. 不良品の画像を集めようとして止まる

いちばん多い止まり方です。「学習には不良品が必要だ」と考え、年に数個しか出ない不良を集め始めて、そのまま1年が過ぎます。

良品学習であれば、不良品はほとんど要りません。最初の問い合わせの時点で「良品学習でできますか」と聞いてください。

2. 撮影条件を固めずに画像を集める

照明が日によって違う、置き方が人によって違う状態で集めた画像は、学習に使えません。集め直しになります。

治具を作って、置けば必ず同じ位置になる状態にしてから撮り始めてください。段ボールと養生テープの簡易治具で構いません。本番の治具はあとで作ります。

3. 検査員に相談せずに進める

経営者と技術部門だけで決めて、検査員に「来月からこれで」と伝える進め方をすると、まず定着しません。

理由は感情ではなく実務です。「どこを見て判定しているか」を知っているのは検査員だけだからです。撮る面、撮る角度、良品の範囲。この情報が出てこないと、そもそも作れません。

ものづくり白書に載っている前掲の調査では、技能継承にデジタル技術を使っている企業（n=943）が挙げた効果の第1位は「継承すべき技術の見える化・標準化」で77.8%でした。見える化は、現場の人から引き出す作業です。AIを買っただけでは起きません。

よくある質問

不良品のサンプルが1個もありません

良品学習であれば始められます。ただし評価ができません。作ったAIが本当に不良を弾くかを確かめる材料がないためです。この場合は、良品を意図的に傷つけた疑似不良を作って評価します。実際の不良とは違いますが、何もないよりは確実です。

導入までどのくらいかかりますか

1品目・1面に絞れば、画像収集に2〜4週間、評価に2週間、試験運用に1か月。合わせて2〜3か月が目安です。品目を増やすと、この期間が品目の数だけ増えます。同時に複数を進めないでください。

スマートフォンのカメラでも試せますか

試せます。最初の見極めであれば十分です。ただし本番では使えません。手持ちだと撮影条件が固定できないためです。「AIで判定できそうか」を確かめるところまでをスマートフォンで行い、いけそうなら固定カメラの検討に進む、という順番が無駄がありません。

クラウドに製品の画像を上げても大丈夫ですか

取引先との契約に、図面や製品情報の取扱いに関する条項が入っていることがあります。先に契約書を確認してください。問題がある場合は、社内に閉じた構成（オンプレミス、またはネットワークから切り離した端末）で組む選択肢があります。この確認を後回しにすると、稼働直前に止まります。

今の検査員の仕事はなくなりますか

絞り込み方式では、なくなりません。見る量が減り、基準を決める側の仕事に移ります。AIの判定を確認し、間違いを直し、学習データを追加する。この役割を担えるのは、判定基準を持っている人だけです。導入の説明では、この点を最初に伝えてください。

小ロット多品種でも意味がありますか

品目ごとに学習が必要なので、品種が多いほど手間は増えます。判断の目安は品種数ではなく「1品目あたりの累計生産数」です。年間で数百個しか作らない品目に、画像を数百枚集める手間は見合いません。上位数品目で生産数の大半を占めているなら、そこだけを対象にすれば成立します。

まとめ

外観検査のAI化は、検査員を置き換える取り組みではありません。人が見る量を1割に絞る取り組みです。

• 目標は無人化ではなく絞り込み。最終責任は人が持ったままにする
• 集めるのは良品の画像300〜500枚。不良品は評価用にあるだけでよい
• 撮影条件の固定が先。治具と照明はAIより優先度が高い
• 精度は1つの数字にまとめない。見逃しと過検出を2つ並べて記録する
• 率を日産数に掛けて、人が見る個数に直してから判断する
• 金額は相場を探さない。条件をそろえて3社に同時に渡す
• 安全部位・顧客指定・新規立ち上げ・クレーム再検査は人が見る
• 検査員を最初から巻き込む。判定基準を持っているのはその人だけ

今日からできるのは、不良品を捨てずに保管し始めることです。AIを入れるかどうかを決める前でも、限度見本の更新に使えます。

どの工程から着手すべきか、ベンダー比較の条件そろえから含めてご一緒することもできます。お問い合わせからお気軽にご相談ください。初期費用0円・月額5万円から、業務の切り分けと定着まで伴走します。

関連記事：製造業のAI活用／作業手順書・技術伝承をAIで／生産管理のAI活用／AI-OCR比較／中小企業のAI導入