エンジンブロックおよびシリンダヘッドの欠陥検査：鋳造欠陥検出のためのディープラーニング画像解析

概要

エンジンブロックおよびシリンダヘッドは、製造工程のさまざまな段階で欠陥を生じることがあります。 鋳造欠陥 例えば、砂孔、気孔、収縮欠陥、介在物などの欠陥は、鋳造工程中に発生しますが、 機械加工および取扱いによる欠陥 例えば、衝撃痕や傷などは、その後の製造工程で生じることがあります。

ビッグバード・インダストリアルの画像検査ソリューションは、 2000万画素の産業用カメラ、高輝度照明、ロボット制御による撮影、およびディープラーニングアルゴリズムを組み合わせて、 エンジンブロックおよびシリンダヘッドの機械加工面の欠陥と、目視可能な鋳造欠陥の両方を検査します。

本システムの公表されている検査サイクルは 4.5分 最終的な構成およびタクトは、被検査物および検査要件に応じてカスタマイズ可能です。

鋳造欠陥と機械加工欠陥は、異なる検査課題です

エンジンブロックおよびシリンダヘッドには、根本的に異なる製造工程に由来する欠陥が含まれることがあります。

鋳造欠陥

代表的な鋳造関連欠陥には以下のようなものがあります：

• 砂巣
• ガス気孔
• 収縮欠陥
• 含有物

これらの欠陥は、金属の充填・凝固その他の鋳造工程中に生じます。表面に露出した場合、暗い斑点、凹み、不規則なくぼみ、あるいは表面質感の異なる領域として目視されることがあります。

機械加工および取扱いによる欠陥

鋳造後、エンジンブロックおよびシリンダヘッドは、機械加工、搬送、治具によるクランプなど、さまざまな生産工程を経ます。

これらの工程で生じる代表的な欠陥には以下のようなものがあります：

• 衝撃痕
• 傷、
• 表面の損傷
• 局所的なへこみ

こうした欠陥は、鋳造欠陥とは著しく異なる外観を呈することがあります。

この違いは、機械視覚において重要です。というのも、2つの欠陥グループに対しては、それぞれ異なる撮像方法およびアルゴリズム戦略が必要になる可能性があるためです。

2．鋳造品の欠陥検出が困難な理由

鋳造品の表面は、均一性の高い機械加工面と比べて、自然に複雑な構造をしています。

機械加工面では比較的均一なテクスチャや反射率が得られますが、鋳造品の表面には以下のような要素が含まれることがあります。

• 不規則なテクスチャ
• 自然な表面変動
• 粗さの変化
• 照明に対する応答の違い
• 材質に起因する視覚的特徴

砂孔や気孔といった鋳造欠陥も、その形状や大きさに大きなばらつきがあります。

したがって、単純なしきい値ベースの画像認識システムでは、実際の欠陥と通常の鋳造表面の質感を区別することが困難になる場合があります。

このため、本システムでは ディープラーニングを活用した機械視覚 .

固定されたグレースケールや幾何学的しきい値にのみ依存するのではなく、正常品（OK）および不良品（NG）の代表的なサンプルから視覚的特徴を学習したモデルを用います。

ただし、ディープラーニングを採用しても、適切な画像取得は依然として不可欠です。 照明条件、光学的解像度、検査対象物の品質、および検査領域の定義は、システム性能を左右する基本要素のままです。

3．検査ソリューション：ディープラーニング＋高解像度画像認識

本装置では、機械加工による欠陥と鋳造による欠陥の両方を、共通の検査フローで検査します。

機械加工面の欠陥

システムは、以下のような欠陥を対象とした指定機械加工部の検査が可能です：

• 衝撃痕
• 傷、
• 表面の損傷

鋳造欠陥

検査範囲には、以下の項目も含まれます：

• 砂巣
• ガス気孔
• 収縮欠陥
• 含有物

実際に検出可能な欠陥のサイズおよび許容基準は、被検物の表面状態、撮像条件、および顧客が定義した品質基準に依存します。

ディープラーニング検査

本システムでは、取得した画像を分析するためにディープラーニングアルゴリズムを採用しています。

この手法は、欠陥の形状が単純な固定ルールで記述しづらい場合に特に有効です。

例えば、砂孔や気孔は以下のような点で異なることがあります：

• 形状
• サイズ
• エッジ特性
• コントラスト
• 表面質感
• 分布

代表的なサンプルを用いてディープラーニングモデルを学習させることで、こうした特徴を識別できるようになります。

4. ハードウェア構成

参照されるシステムでは、高解像度撮像とロボットによる位置決めを組み合わせています。

視力系

• 2000万画素産業用カメラ
• 超大型高輝度光源

高解像度カメラが詳細な画像情報を提供し、大型照明システムは検査領域全体に適切な照度を確保するよう設計されています。

ロボットによる画像取得

Aファナック製ロボット が、カメラの自動位置決めおよび画像取得に使用されます。

この構成により、複雑なエンジン部品の複数部位を検査可能であり、各検査位置ごとに固定式カメラを別途設置する必要がありません。

制御およびデータ機能

このシステムは以下の機能を統合しています：

• コード読み取り
• 機械ビジョン検査
• ディープラーニングアルゴリズム
• 検査のトレーサビリティ
• データ分析
• リモートデータアクセス

これにより、検査結果を個々のワークピースと関連付けて記録でき、後日、品質分析のために確認・評価することが可能です。

5. 技術仕様

以下の仕様は、対象システムについて公表されている製品情報に基づいています。

項目	仕様
応募	商用車、乗用車（新エネルギー車を含む）
被検査部品	新エネルギー動力伝達系部品、ディーゼルおよびガソリン動力伝達系部品
点検範囲	機械加工面および鋳造欠陥
鋳造欠陥	砂孔、気孔、縮孔、異物混入
機械加工欠陥	衝撃痕、傷、その他の表面損傷
公表されている検査サイクル	4.5分
産業用カメラ	20 MP
照明	超大型高輝度光源
ロボット	ファナック
コントロール	シーメンス／アドバンテック産業用PC
検査技術	機械視覚＋ディープラーニング
機能	コード読み取り、検査、トレーサビリティ、データ分析、リモートアクセス

この 4.5分のサイクルタイムは、公表されているアプリケーション値です 実際の検査タクトタイムは、検査領域数、ワークピースの形状、ロボットの動作パス、画像処理の要件、および生産方式に応じて評価する必要があります。

6．主要な選定検討事項

6.1 アルゴリズム開発前にサンプルデータベースを構築する

ディープラーニングの性能は、サンプルの品質に大きく依存します。

本プロジェクトでは、以下の代表的なサンプルを収集する必要があります：

• 正常品
• 明確な不良品
• 異なる欠陥の種類
• 異なる欠陥のサイズ
• 境界線付近または限界値付近のサンプル
• 異なる表面状態

境界線付近のサンプルは特に重要です。実際の生産現場で発生する欠陥は、実験室での例ほど明確ではない場合が多いためです。

6.2 定量的な欠陥基準の定義

『小さな気孔』や『軽微な砂巣』といった表現は、工学的な基準がなければ、ビジョンシステムが解釈しにくいものです。

品質仕様書では、該当する場合、以下の項目を定義する必要があります：

• 最小欠陥サイズ
• 許容される最大欠陥サイズ
• 欠陥の個数
• 欠陥密度
• 欠陥の位置
• 欠陥間の許容距離

その後、このアルゴリズムを明確に定義された検査対象に対して学習および検証できます。

6.3 生産計画における4.5分サイクルを考慮する

公表されているサイクルタイムは、高速なライン内ビジョン検査と比較すると、比較的穏やかな水準です。

この構成は、以下のような用途に適しています：

• 重要部品の全数検査
• ロット検査
• 最終工程における品質検査
• 採取検査

検査をより高速な生産ラインに統合する必要がある場合、検査ポイントを複数の並列ステーションに分散させることも可能です。

実際のソリューションは、単一のロボット化検査セルがすべてのタクトタイム要件を満たすと想定するのではなく、サイクルタイム分析を通じて決定すべきです。

6.4 データのアクセスおよび保存計画

リモートデータ照会機能は品質トレーサビリティに有効ですが、システムは工場の実際のIT環境を前提として設計されるべきです。

技術仕様書には以下の項目を明記する必要があります：

• データ保存期間
• 画像保存容量
• ユーザー権限
• リモートアクセス方法
• 非常用電源要件
• 対象部品と検査結果の関連付け

7．ビジョン検査で鋳造欠陥を検出できますか？

機械ビジョンでは、 検査対象面に目視で確認可能な鋳造欠陥を検出できます 。具体的には、砂孔、気孔、収縮に起因する表面欠陥、介在物などが該当します。

ただし、重要な制限があります。

鋳造品の内部に完全に埋もれており、 表面に何らかの兆候が現れない欠陥は、表面画像のみを用いた検査では確実に検出できません。 .

このような内部欠陥については、用途に応じて、以下のようなその他の非破壊検査（NDT）手法が必要となる場合があります。

• 放射線検査
• 超音波検査
• 磁粉探傷検査
• その他の用途特化型NDT手法

したがって、視覚検査はあくまで、 目に見える表面および近表面の欠陥の兆候を検査する手法であると理解すべきです。 これは、鋳造品の検査全般を代替するものではありません。

8．ディープラーニングモデルの性能維持

ディープラーニングモデルは、単に一定期間運用されたからといって、通常は精度が低下することはありません。

ただし、生産条件が変化すると、検査性能も変化する可能性があります。

例は以下の通りです：

• 新しい鋳造材料またはサプライヤー
• 新しい機械加工工程
• 表面仕上げの変更
• 照明の変更
• 新製品モデル
• 新たな欠陥タイプ
• カメラの交換
• 治具またはロボット位置の変更

したがって、堅牢なビジョンプロジェクトには、以下の点をカバーするモデル保守メカニズムを含める必要があります:

1. 新規欠陥サンプルの収集
2. 生産サンプルのレビュー
3. モデルの検証
4. モデルの更新
5. バージョン管理
6. 変更後の再検証

これらの責任と手順は、装置受入前の技術契約書において明確に定義することが最も望ましいです。

9．視覚検査と洗浄工程の統合

エンジンブロックおよびシリンダーヘッドは、最終検査の前に洗浄処理を実施できます。

洗浄と視覚検査の両方を必要とする生産ラインでは、これら二つの工程をより広範な品質管理ワークフローに統合することができます。

典型的な工程順序は以下の通りです：

機械加工 → 洗浄 → 乾燥 → ビジョン検査 → 追跡性管理 → 組立

この手法により、不要な中間ハンドリング中に新たな汚染や衝撃による損傷が発生する可能性を低減できます。

また、検査結果を、組立直前の部品の状態をより正確に反映したものにすることができます。

ビッグバード・インダストリアル社は、以下の両方の技術を有しています。 産業用高精度洗浄装置およびマシンビジョン検査機能 これにより、両プロセスが必要となる用途において、洗浄と検査を統合したソリューションの提供が可能です。

10．ビッグバード・インダストリアル社のマシンビジョン検査機能

ハルビン・ビッグバード・インダストリアル有限公司（ビッグバード・インダストリアル）は、旧ハルビン・シマダ・ビッグバード・インダストリアル有限公司です。 自動車用パワートレインおよび高精度製造分野向けに、産業用洗浄とマシンビジョンを統合したソリューションを提供しています。

同社の機械視覚事業は、以下の6つの専門分野をカバーしています。

• Orient See — 3次元形状・寸法検査
• Surface See — 表面欠陥検査
• Assembly See — 組立工程内検査およびポカヨケ
• インナー・シー — 内部穴および内壁の検査
• ペイント・シー — 塗装面の欠陥検査
• アルゴリズムおよびソフトウェア・プラットフォーム — 機械視覚アルゴリズムおよびソフトウェア

エンジンブロックおよびシリンダーヘッドに対して、 Surface See 加工面の欠陥および目視可能な鋳造欠陥の両方に対応するよう設定できます。

内穴の検査が必要な場合、 インナー・シー 内穴および内壁面に関する検査要件にも対応できます。

これにより、検査システムを実際の欠陥種類、検査位置、製造工程に応じて柔軟に設定可能となり、すべての部位に単一の撮像方式を一律に適用する必要がなくなります。

よくある質問

機械視覚は、砂巣や気孔の手作業による目視検査を代替できますか？

検査対象面に明確に露出している欠陥については、自動化された視覚検査によって手作業による目視検査を代替、あるいは大幅に削減できます。

一方、鋳物内部に完全に隠れており、表面に一切の兆候を示さない欠陥は、表面画像のみでは検出できません。このような欠陥には、適切な非破壊検査手法が必要です。

ディープラーニングモデルは、一定期間運用を続けた後に精度が低下しますか？

稼働時間だけが理由ではありません。

製品、工程、材料、照明条件、または欠陥の発生傾向が変化すると、検出性能も変動する可能性があります。そのため、長期的な生産安定性を確保するには、継続的なサンプル収集とモデルの定期的な検証が重要です。

公表されている検査サイクルが4.5分である理由は何ですか？

対象システムは、ロボットによる位置決めと画像処理を活用し、複雑なエンジン部品表面に対して複数回の撮像を行います。

公表されている 4.5分のサイクル は、対象アプリケーションに適しています。より短い生産タクトに対応する必要がある場合は、検査ポイントを並列ステーション間で分割するか、撮像およびロボットの動作パスを最適化することが可能です。

このビジョンシステムを洗浄機と連携させることは可能ですか？

はい。

ビッグバード・インダストリアルは、高精度産業用洗浄装置および機械視覚検査システムの両方を提供しています。製造工程で必要に応じて、洗浄・乾燥工程と自動視覚検査・トレーサビリティ工程を連携させ、部品を洗浄・乾燥後、直ちに自動視覚検査へと送ることができます。

まとめ

エンジンブロックおよびシリンダーヘッドにおいて、鋳造欠陥と機械加工欠陥は、それぞれ異なる品質管理上の課題をもたらします。

砂孔、気孔、縮孔、介在物などの欠陥は 鋳造工程に起因し、一方 傷や打痕などの欠陥は 機械加工時、取扱い時、または製造工程間の搬送時に生じることがあります。これらの外観的特徴は大きく異なるため、単一の固定しきい値による検査手法では、信頼性の高い検査を実現することが困難です。

本ソリューションでは、 2000万画素の産業用カメラ、高輝度照明、ファナック製ロボットによる位置決め、およびディープラーニングを活用した機械視覚技術を組み合わせて、 指定された機械加工面および目視可能な鋳造欠陥の両方を検査します。

ただし、量産現場での応用においては、ディープラーニングを用いた検査の有効性は、アルゴリズムそのものにとどまらず、それ以外の要素にも大きく依存します。 代表的な試料、定量的な受入基準、安定した撮像条件、および明確に定義されたモデル保守プロセス は、信頼性の高い画像検査システムを構築する上でいずれも不可欠な要素です。

清掃・表面検査・トレーサビリティの各工程を統合的に実現したいメーカー様向けに、ビッグバード・インダストリアルでは、これらをより広範な自動化品質管理ワークフローへと統合することが可能です。また、 島田 の名称は、当社の歴史あるブランドアイデンティティの一部として継承されています。