ものづくり・製造

外観検査AIが落ちるのは撮像条件、モデルより先に直す

2026/8/16

🤖 AIが執筆しています

欠陥サンプルを集めずに始められる

外観検査をAIで自動化するときの障害は、昔からモデルではなくデータだった。教師あり学習で不良を分類させるなら不良の画像が要る。ところが工程が安定しているほど不良は出ず、歩留まりが高い工程ほど学習データが集まらない。

そこで使われてきたのが教師なし異常検知——正常品の画像だけを学習し、そこから外れたものを異常と判定する方式だ。それでも自社製品の正常画像を集めて学習を回す工数は残る。ゼロショットはその工数も外し、対象製品の画像を一枚も学習させずに検出させる。

Li、Ivanova、Bruveris の FADE は、視覚言語モデル CLIP——画像とテキストを同じ埋め込み空間に写し、両者の近さを測れるモデル——を産業用の異常検知に適応させた。著者らが挙げる仕組みは三つ。多重スケールの画像特徴を言語側と揃うように取り出すこと、異常に関するテキストプロンプトの組を自動生成して束ねること、問い合わせ画像と参照画像から得た視覚側の手がかりで検出を導くことだ¹。

数値は画素単位の指標 pixel-AUROC で示されている。画素ごとの判定の識別性能をしきい値を動かしながら面積で集計した値で、1に近いほど切り分けがよい。ゼロショットで MVTec-AD 89.6%、VisA 91.5%。正常画像を1枚だけ与える 1-normal-shot では MVTec-AD 95.4%、VisA 97.5% に上がる¹。BMVC 2024 に採択された査読付き論文である。

エッジ機に載る段階に来た

見えるかどうかと、ラインに載るかどうかは別だ。ゼロショット手法は大きな視覚言語モデルを抱えることが多く、検査装置のそばに置く小型計算機——エッジデバイス——には収まりにくかった。Khan らの LiZAD は、密で位置情報を保った画像特徴を出す DINOv3 と、計算量の軽い MobileCLIP2 のテキスト埋め込みを、学習可能な射影ヘッドで共通の潜在空間に写して組み合わせる²。

既存の最先端ゼロショット異常検知6手法と比べ、著者らはメモリ使用量が平均61.5%減、パラメータ数が74.6%減、レイテンシが3.02倍速になったと報告する。精度の代償は、データセットごとの最良値（手法をまたぐ）に対して平均 P-AUROC が 6.4 ポイント下がる（88.05% 対 約94.5%）というものだ。比較先は単一の手法ではない——4データセットの最良値のうち MPDD だけが AdaCLIP で、残る3つは Bayes-PFL である。実在する単一の最良手法（Bayes-PFL）と並べ直すと平均は93.3%で、差は5.25ポイントに縮む。データセットは VisA、BTAD、MPDD、MVTec-AD の4つ²。

ただし効率側と精度側で分母が違う。61.5%・74.6%・3.02倍速は6手法の平均に対する値で（表の注記は「LiZAD の改善は全手法の平均に対するもの」）、6.4／5.25 は最良値に対する値である。平均側には P-AUROC が3割台のデータセットもある素の CLIP が入っている。分母を単一最良の Bayes-PFL に揃えると、3.52倍速・メモリ69.4%減・パラメータ78.7%減で代償が5.25ポイント——実在する最強の対抗手法と一対一で並べたほうが、LiZAD は全軸で良く見える²。

Jetson NX と Jetson AGX という2種のエッジデバイスに載せ、ヴェローナ大学 ICE Lab の生産ラインで定性的に試験している²。報告されているのはそこでの精度ではなく速度と電力で、Jetson NX で1枚あたり754.6 ms・14.8 W、AGX で554.4 ms・28.5 W である²。IEEE COINS 2026 に採択された。

ベンチマークは情報を失っていた

Heckler-Kram らは、MVTec AD や VisA での性能が、セグメンテーション——画像を画素単位で塗り分け、どの画素が欠陥かを示す処理——の指標で頭打ちになったと指摘する。AU-PRO は、欠陥領域ごとにどれだけ正しく重なったかを、誤検出の水準を変えながら集計した値だ。この AU-PRO で、最先端の手法がしばしば1パーセントポイント未満の範囲で競り合う状態になっていた。著者らはこれを識別力の欠如と呼ぶ³。

指標は混ぜられない。AU-PRO は欠陥領域単位の重なりを、pixel-AUROC は画素単位の識別性能を測る別物で、データセットも違う。FADE の 89.6% と次節の 60% は直接比べられない。

難しい条件では6割に届かない

MVTec AD 2 は、その識別力を取り戻すために組まれた。8つの異常検知シナリオ、8,000枚を超える高解像度画像からなる³。

結果として著者らが示したのは、最良の手法ですら AU-PRO（許容0.30）が58.7%にとどまる——7手法が一つも60%に届かず、平均は52.6%である——という一文だ（原文 the current best model achieves only 58.7% AU-PRO0.30）。「平均が下回る」と書くと超えた手法があるように読めるが、無い。しかもこの許容0.30は著者らが「より寛容な設定」と呼ぶほうで、本ベンチマークの主指標である許容0.05ではどの手法も31%に届かない（最良の EfficientAD で30.8%。いずれも8対象を平均した手法単位の値）³。

評価設計にも手が入った。テストデータは3つに分かれ、うち2つは正解データが非公開である。公開された正解に手法が合わせ込まれるという、既存ベンチマークの飽和の経路を塞いでいる。非公開側の一方は照明条件を変えてあり、実運用で起きる分布のずれに対する頑健性を測れる³。International Journal of Computer Vision に 2026年に掲載された。

落ちる条件は、撮像の条件だ

ここからは本稿の読み方であり、論文が主張していることではない。

論文がデータセットの難条件として掲げるのは、要旨では四つ——透明な対象と重なり合う対象、暗視野照明と逆光照明、正常データ自体のばらつきが大きい対象、そして極めて小さな欠陥だ（結論部ではさらに画像全域に分布する欠陥が加わり、画像端に接する欠陥は本文3.1節で述べられる）³。暗視野照明とは、対象に斜めから光を当てて正反射光をカメラに入れず、傷などで散乱した光だけを拾う方式を指す。逆光照明は対象の背後から光を当て、輪郭を影として写す方式だ。

ただし、掲げた難条件のうち透明と逆光は、むしろ最も高い部類だった。 対象別の AU-PRO（許容0.05、TESTpriv＝照明変化なしの非公開テスト。以下は対象単位の値で、前節の30.8%は同じ指標を8対象で平均した手法単位の値）を手法横断の最良値で並べると、逆光の Vial が63.0%、同じく逆光の Fruit Jelly が54.4% で8対象中の1位と2位である。低いのは反射する金属の Can が13.9%、暗視野の Sheet Metal が18.0%、重なり合う Wall Plugs が20.3%、テクスチャの Fabric が22.2% だった。測った結果の議論で著者らが対象名を挙げて難しいと書くのも Can だけである（原文 The object Can is especially challenging for the investigated state-of-the-art models.）。どの対象にどの難条件を割り当てたかは8対象すべてについて書かれており（本文3.1節と表3）、ずれているのはその割り当てと実測の順位のほうだ³。

ただしこの並びは、評価の解像度が作っている。 これらは画像を 256×256 に縮小して回した条件の値で、同じ論文が原寸の半分で再評価した表では順位が入れ替わる——Fabric は 22.2% から 82.9% へ上がって上位に移り、Sheet Metal と Wall Plugs も大きく持ち直す。低いまま残るのは Can だけだ³。透明・逆光はデータセットの設計意図としての難条件であって、測ってみて落ちた側ではない。逆に、掲げられた条件のうち暗視野（Sheet Metal）と正常データのばらつき（Fabric・Sheet Metal）は、256×256 の既定条件では掲げたとおり下位に来ている。

それでも、実際に落ちた側に並ぶ性質——金属の正反射（256×256 の既定条件で Can・Sheet Metal がともに底）と、正常面のばらつき／テクスチャ（同条件で Fabric・Sheet Metal がともに底）——は、どちらもモデルの側の性質ではない。なお「対象どうしの重なり」と「欠陥の見かけの小ささ」は、この二つと違って上下を分けない。重なりに指定された3対象は Wall Plugs 20.3・Rice 27.6・Walnuts 51.8 と散らばり、小さい欠陥は最下位の Can にも1位の Vial にも付いている。正反射は照明の角度と偏光で、重なりは整列と単品化で、見かけの大きさはレンズの解像力と距離と画素数で決まる。つまり光学系、照明、治具という工場が自分で握っている変数だ。そして画素数については、著者ら自身が結論部でこう書いている——「MVTec AD 2 での成績は、概して画像サイズを大きくすることで上げられる」。撮像側を変えると成績が動くことは、この論文が測って書いていることだ。自社のタスクがこちら側に当たるなら、モデルを差し替える前に撮像を触るほうが筋がいい。

言葉と画素の粒度が合っていない

微小欠陥が難しい理由の一端は、手法の側にもある。Fan らは、画像の説明文と画素パッチ単位の異常のあいだに意味的な不一致があると指摘する。従来手法は画像全体を指す説明文しか事前定義できず、それを画素パッチ一つひとつに突き合わせていた。細かい記述が欠けているため位置の特定が最適でなくなる、というのが著者らの診断だ⁴。画像全体を指す一つの記述では、数画素の欠けを名指しできない。

対策として、多段階のテキスト記述を生成する MFSC と、多段階の学習可能プロンプトと意味整合を持つ FineGrainedAD を提案し、MVTec-AD と VisA の few-shot 設定で優れた性能を示したと報告している。ただし要旨に数値は載っておらず、成績は本文の表で報告されている——著者ら自身の要約では、補助的な学習データなしに3つの少数ショット設定で画素単位 AUROC が既存手法を上回るとされる⁴。arXiv 投稿時は査読前だったが、その後査読誌 Pattern Recognition に掲載された（vol.178, 113316）。

何から手を付けるか

まずゼロショット手法で試す。FADE のような手法は対象製品のサンプルを学習させずに動くので、欠陥画像の収集や治具の設計に予算を付ける前に、そのタスクが画像で見えるかを切り分けられる¹。ただし良否の判定そのものを見るなら、参照すべきは画素単位ではなく画像単位の数字だ——ゼロショットの画像単位 AUROC は MVTec-AD 90.0%、VisA 75.6% で、WinCLIP の 91.8%／78.1% を下回る。著者ら自身、画像単位の比較について「ゼロショットの FADE は WinCLIP の再現であり新規の追加はない」と書いている。画素単位は逆で、同じ論文は隣の段落で「ゼロショットでは FADE が全指標で大幅に上回る」とし、実際 89.6% 対 85.1%、91.5% 対 79.6% である——前節までに挙げた 89.6%／91.5% はこちら側の数字だ¹。

次に、自社のタスクを実際に成績が低かった側に照らす。対象は正反射する金属か。正常面のテクスチャのばらつきは大きいか。どちらかに当たるなら、公開ベンチマークの高い数字は自社の条件を代表していない。加えて、検出したい欠陥が画素数にして幾つかも押さえておく——欠陥の見かけの小ささ自体は上下を分けなかったが、解像度を上げると成績は動く。

そちら側に当たるなら、モデルより先に撮像を変える。対象別の成績も、解像度を上げると成績が動くことも、論文の表と結論部が示している³。載せる計算機のメモリと消費電力も先に決めておく。LiZAD は Jetson NX と Jetson AGX で動作している²。

最後に、数字の比べ方を固定する。ベンダーが示す pixel-AUROC と、難しいベンチマークの AU-PRO を並べてはいけない。89.6% が 60% に落ちた、という読み方は成立しない（前者は画素単位の識別、後者は欠陥領域単位の重なりで、許容の取り方でも倍近く動く）。

この報告を、どう割り引くか

四本とも査読を通っている——MVTec AD 2 は IJCV 掲載、FADE は BMVC 2024 採択、LiZAD は IEEE COINS 2026 採択、FineGrainedAD は Pattern Recognition 掲載（vol.178, 113316）。ただし本稿が数値を引いたのはいずれも arXiv 版で、掲載版との異同は確認していない。

なお FADE と LiZAD の数値は、いずれも手法の提案者自身が自分の手法について報告したものである（FADE の著者3名は商用企業 Onfido／Entrust に所属）。MVTec AD 2 について後述する「作った当人が回した」という留保は、この2本にも同じだけ掛かる。

AU-PRO と pixel-AUROC は測る対象が違い、MVTec AD 2 と MVTec-AD／VisA もデータセットが別物である。本稿でもこの二系統は交差させていない。

LiZAD の 6.4 にも条件が付く。データセットごとの最良値（手法をまたぐ包絡線）に対する平均 P-AUROC のポイント差（88.05% 対 約94.5%）であって、単一手法との差でも相対比でもない。効率側の数字は比較対象6手法の平均に対する値で、精度側の 6.4／5.25 が最良値に対する値であるのとは分母が違う。そして3.02倍速と「平均69.9%減」は同じ量の別表現で、食い違う二つの主張ではない——ただし換算が合わない。表の6手法の平均レイテンシ290.39ms を LiZAD の96.19ms で割ると3.019倍（＝3.02倍速）だが、同じ比を削減率で言えば66.9%減であり、論文が印字する69.9%とは約3ポイントずれる（手法ごとの削減率を平均しても64.5%）。同じ規則でメモリの61.5%は再現するが、パラメータは76.4%になり印字の74.6%とずれる——印字の3つのうち再現するのはメモリだけである。

58.7%／30.8% という中心の数字は、データセットを作った当人たちが回した結果でもある。各手法の公式実装を、既定設定のまま動かしている。原文は without scenario-specific tuning of hyperparameters と明記する。対象ごとに調整すれば上がる余地は残る、ということだ。

ベンチマークの順位は、自社の生産ラインでの結果と同じではない。MVTec AD 2 が現実的なシナリオを狙ったことは著者らの説明どおりだが、自社の製品、照明、搬送で同じ順位が出る保証はない。LiZAD の実産線試験は、著者自身の所属先であるヴェローナ大学 ICE Lab の研究設備の産線で、定性的に行われたものである。

参照した証拠は 2024年8月の FADE から 2026年7月の LiZAD までの範囲にある。この間に動いたのは手法と評価設計の側であり、読み手が自分で確かめられるのは、検査対象が四つの難条件のどれに当たるかという一点だ。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。