画像判定（画像認識）の技術は、スマートフォンのカメラ・ビデオアプリからGoogleの「Google Cloud Vision」などまで、幅広く応用されています。設備の導入担当者様のなかには、「うちの現場に導入を検討したい」と考えている方もいるのではないでしょうか。

ただ、ディープラーニングも絡んでくる領域であるため、「難しそうでまだ深くまでは理解していない」という人は少なくありません。

当記事では「画像判定はどんな技術なのか？」という基礎や具体的な仕組み、導入のメリット、導入事例などを解説します。将来性や導入におすすめのメーカーなども紹介するので、画像判定技術の導入を検討している担当者様はぜひ参考にしてください。

もし現場に画像判定機器を導入して、

• 省力化、省人化してコストダウンしたい
• 検査レベルを高めて品質価値を高めたい

というご希望がございましたら、お気軽に画処ラボまでお問い合わせください。ルール型画像処理からＡＩによる画像処理まで、ご希望に対して幅広い対応が可能です。

１．画像判定（画像認識）とは？仕組みやこれまでの歴史について

まずは画像判定（画像認識）の技術や仕組み、これまでの歴史についてご紹介します。

（1）画像判定（画像認識）とは

画像判定とは、写真や映像などの画像データに写る対象物の特徴を捉え、「どのような物体であるのか」を機械的に判別する技術です。

たとえば人間はりんごを視認したとき、形や色、大きさなどを総合的に見て「これはりんごだ」と判別します。なぜその判別ができるかというと、人間がこれまで蓄積してきた知識や知覚、記憶などの多くの判断材料があるからです。

画像判定は、こういった人間が自然に行っている「パターン認識」と呼ばれる自然情報処理を、コンピューター上で行います。画像をデータとして取り込んだコンピューターがオブジェクトの特徴を抽出し、「画像に写ったものはなにか？」を判別します。

2020年現在では、AI（人工知能）によるディープラーニング（深層学習）の進化により、膨大な画像データの蓄積・分析を進めさせることで、より精度の高い画像判別ができるようになりました。

たとえば、画像判別とディープラーニングを組み合わせた技術には、次のものが挙げられます。

• 物体認識：空間のなかに物体があるかないかを判別する
• 顔認識：画像に写る顔から個人を特定する
• 文字認識：ブログ記事やYou Tubeのサムネイルに書かれた文字を識別する　など

昨今は製造現場だけでなく、医療や農業の分野などでも幅広く活用されています。

（2）画像判定の仕組み

コンピューターで画像判別を行うには、非常に高度かつ複雑な処理が必要です。人間のように視覚や嗅覚などで判別するのではなく、オブジェクトの抽出、抽出したピクセル（デジタル画像の最小単位）データの演算処理・算出、最終的な判別といった、数学的な方法が必要であるためです。

まず対象物の画像データを取得したあと、機械的に認識しやすくするための「画像処理・抽出」を行います。画像処理・抽出の手順は次のとおりです。

1. 画像のノイズや歪みの取り除き
2. 明るさや色彩の調整
3. 対象物の輪郭の強調
4. 対象物の領域を抽出（背景との区別）
5. 対象物の画像データをピクセル単位で抽出

画像処理・抽出で対象物を認識したあとは、「特定物体認識」を実施します。

特定物体認識とは、あらかじめコンピューターに大量の「画像データ」と「ラベル（画像データが何を表すかについての情報）」を学習させておき、それらの情報を基に「抽出した対象物のデータは何であるか」を特定する工程のことです。人間でいうと、「蓄積した記憶や経験から物体を判断する」という自然情報処理にあたります。

画像判定の機器にディープラーニングが搭載されている場合は、取り込んだ画像データから機械が繰り返し学習を行うことで、より精度の高い判別が可能になります。

ディープラーニングは「Neural Network」を起源とし、「Convolutional Neural Network（CNN）」や「RNN（Recurrent Neural Network）」などが誕生しました。複雑な画像判定の処理や人間の目で判別不可な違いの検出が行えるため、画像判定とディープラーニングのシナジーは大きいといえます。

【図解】AIによる画像処理の仕組み。ディープラーニングによる画像認識とは

（3）画像判定のこれまでの歴史

画像判定の歴史は意外と古く、1940年代の「バーコード」まで遡ります。研究が進み始めたのは1960年代からですが、前述のとおり高度な計算や処理が必要なため、しばらく停滞期が続きました。

1990～2000年代はハードウェアや計算機、インターネット技術の進歩もあり、画像判定の応用として「デジタルカメラ」や「画像検索システム」などが誕生します。

大きな転機は2012年。画像認識コンペ「ILSVRC 2012」（現在はkaggle主催）にて登場したディープラーニングの技術です。

ディープラーニングを搭載した1位の「Super Vision」のエラー率15.3％は、2位の「ISI」の26.2％と10％以上の差をつけ、「画像認識技術のブレイクスルー」として世界に衝撃を与えました。事実、2013年以降の画像認識コンペでは、ディープラーニング搭載システムが主流になっています。2015年には人間の認識レベルをも超えました。

2020年現在でも、スマートフォンやSNS、監視カメラなど、画像データはさまざまな場所で蓄積と分析が行われています。

２．画像判定機器を現場に導入するメリット

画像判定機器を現場に導入することで、現場の作業効率や工数削減に寄与します。詳細を見ていきましょう。

（1）検品作業の精度が上がる

機器を導入することで、作業員の見逃し・誤検出の防止や高速ライン対応などが可能になるため、検品作業の精度が上がります。
画像判定機器は、人間の目では見逃してしまう小さなキズや形状の違いも検知可能です。疲労や個人スキルによって、品質が左右されるリスクもありません。ディープラーニングによる学習機能も加われば、使い込むほど解析精度が上がり、品質もさらに向上するでしょう。

（2）作業の労力・人員コストが下がる

検品作業員を画像判別機器に置き換えることで、作業にかかる労力や人員コストが下がります。浮いた人材は企画や業務改善などのクリエィティブな作業に回したり、余分であれば削減したりなども可能です。

（3）生産工程の自動化が進められる

画像判別機器とその他ロボット・システムを組み合わせることで、生産工程の自動化（FA化）が進められます。
たとえば画像判別機器のエラーに連動して、ロボットアームによる製品除去や別のコンベアへの製品移動を行うプログラムを組み込めば、人の手を借りずに製品の検品が可能です。

（4）安全な現場環境を作れる

画像判別機器には疲労やケガ、病気が存在しないため、長時間稼働や危険な場所での作業も問題なく遂行できます。そのため、長時間労働や危険箇所での作業による労災を防ぐなど、安全な職場環境の構築が可能です。

３．画像判定機器の導入事例

画像判定の技術は、さまざまな分野で応用されています。主な活動事例は次のとおりです。

• 自動車の部品の分類
• 類似の設計図の検索システム
• 顔認識システム
• カメラの人物検出
• 危険行動の抽出

さらに次では、経済産業省の「ロボット導入実証事業事例紹介ハンドブック」より、具体的な事例を見ていきましょう。

（1）2016年｜株式会社日本アクセス

株式会社日本アクセスでは、コンベアの上を流れる冷凍解凍商品へのラベルリンク貼りロボットに、画像判別の技術を取り込んでいます。

元々は人力で行っていたラベル貼り作業は、どうしても精度やスピードにムラが出る上に、生産量に応じた人員の配置にも苦労していました。
そこでロボットを導入し、画像判別で製品をチェック⇒正しい位置にラベル貼りという工程を任せることに。結果、330枚/人時だったのが735枚/人時と、2倍以上の作業効率を実現しています。
また、ばらつきがあった作業品質の平均化も達成しました。

導入ロボット	パラレルリンクロボット（安川電機）
人数	9人⇒7.8人
労働時間	8時間⇒8時間
生産量	9,500個⇒9,500個
労働生産性	1.1倍

（参考：ロボット導入実証事業事例紹介ハンドブック2016）

（2）2017年｜株式会社タマリ工業

株式会社タマリでは、作業者の経験と目視を頼りに行っていたアライメントやティーチングの確認・補正作業を、画像認識装置とスキャナーの導入によって簡略化しました。
画像認識装置によるロボットティーチングの省略により、ロボット自体の稼働率も5倍まで向上しています。

導入ロボット	垂直多関節ロボット（ファナック）
人数	3人⇒2人
労働時間	10時間⇒8時間
生産量	11個⇒22個
労働生産性	2.5倍

（参考：ロボット導入実証事業事例紹介ハンドブック2017）

（3）2018年｜ANAエアポートサービス株式会社

ANAエアポートサービス株式会社では、人力で行っていたベルトコンベアからの手荷物持ち上げと積込み作業の工程に、画像認識技術を導入しました。

手荷物を画像認識装置で判別し、ロボットアームがコンテナへ手荷物を搭載します。さらに判別した手荷物のサイズやコンテナ状況を「積み込みアルゴリズム」によって計算し、位置情報やスペースを考慮した積載を実現しています。

導入ロボット	垂直多関節ロボット（安川電機）
人数	88人⇒46人
労働時間	7.46時間⇒7.46時間
生産量	17,000個⇒17,000個
労働生産性	1.9倍

（参考：ロボット導入実証事業事例紹介ハンドブック2018）

注目の深層学習の画像処理技術とは！？活用事例やメーカー5選

4．【2021年以上】画像判定技術のこれからについて

2020年は世界的に情勢が不明瞭になっているものの、画像判定に関する市場や技術は伸びていくのではと推測されます。その理由について、以下でご紹介します。

（1）画像処理技術やAIに使われるPythonが伸びているから

理由の1つは、画像処理技術やAIに用いられるプログラング言語「Python（パイソン）」の需要が伸びている点です。Pythonの技術を習得したエンジニアたちによって、今後も画像判定分野の開発が進むと考えられます。実際に2021年以降も、画像認識やPythonのセミナーの開催を、日本テクノセンターをはじめとするさまざまな団体が計画中です。

またIoT分野においても、ディープラーニングによる画像認識や音声認識の研究が進んでいることから、Pythonの需要はますます増えていくのではないでしょうか。

（2）画像判別技術の市場が今も拡大しているから

2つ目の理由として挙げられるのが、画像認識技術の市場自体が今も拡大を続けている点です。

株式会社富士キメラ総研の「2020 画像・音声AI／次世代インターフェース市場の現状と将来展望」によると、2019年の「画像認識関連技術の市場」の見込みは、2018年比で121.8％です。2025年には、2019年度の見込み市場290億円から、3.1倍の746億円になると分析されています。
ニック研究所による調査でも、画像認識AIの市場は2018～2023年にかけて平均成長率約95.1％との予想になっていました。

さらに画像判別機器がよく使われるFA（ファクトリーオートメーション）分野も、コロナ禍で注目されています。

以上のことから、ニューノーマルの時代に向けて、画像判定の機器の需要や技術力はまだまだ伸びていくのではないでしょうか。

5．画像判定機器導入におすすめのメーカー・ロボットシステムインテグレータ4選

ここからは、画像判定機器の導入におすすめのメーカー、ロボットシステムインテグレーターを4つご紹介します。

（1）株式会社FAプロダクツ

【特徴】
FAプロダクツは年間200台もの実績がある関東最大級のロボットシステムインテグレーターです。一貫生産体制をとっており、設計から製造までをワンストップで対応。費用・時間にムダなく最適化を行うことができます。

また、お打ち合わせから原則1週間以内に「お見積りとポンチ絵」をご送付。

【ポンチ絵とお見積りのサンプル】

テキストやお電話だけでは伝わりづらいゴールイメージを共有し、スピード感を持った対応を心がけています。

【所在地】
茨城県土浦市卸町2丁目13-3
TEL.050-1743-0310(代表)
FAX.050-3156-2692(代表)
https://jss1.jp/

【営業品目】

• 産業用ロボット
• 生産設備合理化・省力化の設計及び製作
• 基板電気チェッカーや貼合・折曲など
• 治具の設計・製作

【実績】
ＮＭ社（電子部品の製造販売）、ＨＳ製作所（情報通信・社会産業・電子装置・建設機械・高機能材料・生活の各システム製造販売）、ＴＴ社（ショッピングセンターなどリテール事業）、ＳＭ社（自動制御機器の製造・販売）、ＯＲ社（自動車安全システムの製造販売）

（2）画処ラボ

【特徴】
画処ラボは、FAプロダクツ社が提供しているサービスです。

検査の自動化に伴って画像処理装置の導入する際には、複数のセンサーメーカーと複数の画像処理機器メーカーを選択し、それぞれ検査対象によって個別対応する必要があります。

画処ラボは、メーカー横断での機器選定から判断プログラムの選定及び装置の設置構想までを一括で提案し、設置からサポートまで一元管理。
さまざまなメーカーから、照明は50種類、カメラ・レンズは30種類をとりそろえており、機器や画像処理プログラムの選定だけでなく、装置の構想・設置、サポートまで、ワンストップで相談が可能です。

【所在地】
神奈川県相模原市緑区西橋本5-4-30 SIC2-2314
TEL：050-3733-3774
WEB問合せ：https://gasho-labo.jp/#contact
https://gasho-labo.jp/

（3）株式会社日立ソリューションズ

【特徴】
株式会社日立ソリューションズでは、「画像判定トータルソリューション」として、さまざまな業界へ画像判別技術を提供しています。

• 業務に最適なAI活用のコンサルティング実施
• 現場の必要性に応じたシステム・インフラ構築やアプリ開発などをサポート
• 画像処理技術やAI技術などの保守・再学習まで継続支援

画像分類、類似検索、動作解析、物体検知、異常監視などで効果を発揮してくれるはずです。

【所在地】
東京都品川区東品川4-12-7（日立ソリューションズタワーＡ）
TEL：03-5780-2111（代表）
https://www.hitachi-solutions.co.jp/

（4）株式会社ブレインパッド

【特徴】
ブレインパッド社の事業は、ビッグデータ活用サービス、デジタルマーケティングサービスです。そのサービスのひとつ「＋ＡＩ」は、人工知能によりイノベーションを生み出すサービスです。

過去にはキユーピー株式会社の「食品工場生産ラインの不良検知」について、AIや画像処理技術のソリューションを提供しました。また、GoogleのイベントにてブレインパッドのAI技術が採用されたこともあるなど、さまざまな実績を持つ会社です。

【所在地】
108-0071 東京都港区白金台3-2-10 白金台ビル
TEL：03-6721-7002
https://www.brainpad.co.jp/

５．画像判別機器導入に関するご相談は画処ラボへ

2020年現在の画像判別機器は、ディープラーニングを搭載した非常に高度なシステムがプログラムされています。今後もその将来性の高さから、さまざまな画像判別のソリューションが生まれるはずです。

しかし、その分だけ導入企業や技術担当者に求められる知識・技術も必要になります。もし画像判別機器導入やAI技術に関するご相談があれば、ぜひ画処ラボへ一度お問い合わせください。

• 色認識できるカメラとは？カラーカメラの特徴やメリット...
• 色検査機とは？画像処理の仕組みや導入事例・メーカーを...