産業用ビジョンツールチェーンの選び方：Halcon、VisionMaster、OpenCV、YOLO はそれぞれどのシーンに向くか
ビジョン案件が止まる理由は、アルゴリズムライブラリ不足より、シーンが固まらないうちにツールを選んでしまうことの方が多い。ルールで書き切れる欠陥と、サンプルから学ぶほかない欠陥では、進む道がまったく違います。本記事では Halcon、Hikvision VisionMaster、OpenCV、YOLO の四類をシーン別に対照し、それぞれ何に向くか、どの前提を先に揃えるか、選定以外で成否を分ける条件を整理します。
先にシーンを決め、それからツールを選ぶ
選定の第一問は「どのベンダーのソフトか」ではなく、「この工程で判定する欠陥をルールで書き切れるか」です。寸法の外れ、ねじ一本の欠品、バーコードが読めない——これらは幾何、コントラスト、テンプレートマッチングで判定ロジックに落とせます。形が変わる表面傷、生地のテクスチャに紛れる欠点、組立動作が手順どおりか——ルールを数え切れず、サンプル学習が必要になることが多いです。
この切り分けを誤ると、後からツールを替えても挽回できません。ルールで足りるシーンにディープラーニングを載せると、サンプル収集・アノテーション・モデル保守が長期の負担になります。逆に、形が変わる外観欠陥をルールで書き切ろうとすると、誤報と見逃しで現場がシステムを切ってしまいます。
- ルールで記述できる：寸法、位置、有無、バーコードと文字読み取り——従来アルゴリズムが向く
- 数え切れない：外観欠陥の形態が多様、テクスチャ背景が複雑、動作の時系列が手順どおりか——サンプルとディープラーニングが必要
- 混在シーンはよくある：同一工位で寸法も測り外観も見る。二つのツールチェーンを並行させ、一つで全部を覆おうとしない
四類のツールチェーンはそれぞれ何に向くか
以下は、当社が実際に受注してきたエンジニアリング能力に沿った対照であり、ベンダーの宣伝口径ではありません。産業用マシンビジョン開発は Halcon、Hikvision VisionMaster（VM）、OpenCV、YOLO ディープラーニング等のツールチェーンをカバーします。自動車・家電・食品の外観検査をはじめ、寸法測定、位置決め誘導、OCR、組立ミス防止、梱包検査をシーン別に担い、ビジョンデータをトレーサビリティチェーンへ組み込みます。
- Halcon：アルゴリズムライブラリが揃っており、寸法測定、位置決め誘導、幾何とモルフォロジー処理といったルールシーンに使える。エンジニアリングの完成度が高く、測定の繰返し性と校正に明確な要求がある工位に向く
- Hikvision VisionMaster：グラフィカル設定で標準検査項目の立ち上げが速く、ライン側の技術者が検査フローの一部を自分で保守する工位に向く。Hikvision カメラと照明のエコシステムとの接続が密
- OpenCV：自由度が高く、既存の上位機や MES クライアントへ埋め込みやすい。ソフトウェア構成が既にあり、ビジョン判定モジュールだけが足りない案件に向く。アルゴリズムもエンジニアリング枠組みも自前で組む必要がある
- YOLO 等のディープラーニング：ルールで数え切れない外観欠陥と物体検出に向く。サンプル、アノテーション規範、推論用計算資源が必須で、稼働後も誤報と見逃しを継続保守する人が必要
ツールチェーン、向くシーン、先に揃える前提
「何に向くか」と「この前提が欠けたら着手しない」を同じ表に置くと、選定は実務的になります。前提が一つでも欠けると工期は延び、しかも多くはソフトそのもの以外のところで延びます。
| ツールチェーン | 向いているシーン | 先に揃える前提 |
|---|---|---|
| Halcon | 寸法測定、位置決め誘導、幾何判定、校正要求が明確な工位 | 光学と校正方案、測定繰返し性の指標、当該アルゴリズムライブラリに慣れた技術者 |
| VisionMaster | 標準の外観検査項目、ライン側でグラフィカル保守が必要な工位 | 安定した撮像条件、検査項目をグラフィカルフローに分解できること、現場にフローを直せる人がいること |
| OpenCV | 既存ソフトへの埋め込み、判定ロジックの作り込み、上位機との深い統合 | 既存のソフトウェア構成と開発チーム、アルゴリズムとエンジニアリング枠組みを自前で組む能力 |
| YOLO 等のディープラーニング | 形態が変わる外観欠陥、物体検出、ルールで数え切れない判定 | 十分なサンプル、アノテーション規範、推論用計算資源、誤報と見逃しの継続保守の仕組み |
同一工位で二つのツールチェーンを併用できます。例えば寸法は Halcon、外観は YOLO、判定結果は同じトレーサビリティ記録へ合流させる。一つのツールで全部を覆うために、各判定の信頼性を犠牲にしないでください。
選定以外で成否を分ける五つのこと
- 照明と治具：光源の角度・色・偏光とワーク位置決めの繰返し性は、アルゴリズム以上に検出の安定を左右することが多い。この二つが決まらないままツールチェーンを替えるのは賭けになる
- NG 判定基準を文書に書く：何が不良か、境界サンプルの扱い、閾値を変更する権限は誰か。検収前に書面で合意しないと、稼働後に品質と工程が食い違う
- サンプルは実ラインで積む：ディープラーニングは段取り替え、材料替え、シフト替えのあとのサンプルに特に依存する。実験室の写真は現場を代表しない
- ラインタクトの制約：撮影トリガから OK/NG を出すまでの時間は工位タクトより短く、機械動作の余裕も残す。時間切れのシステムは現場で切られる
- ビジョン結果をトレーサビリティチェーンへ入れる：判定結果、NG キャプチャ、工位、ワーク番号、タイムスタンプを一括で書き、後のクレームと品質分析に使えるようにする
組立ミス防止のラインでは、能力を路線別に分けて述べ、「AI-SOP はすでに成熟している」と一括で約束することはしません。HkVisionPro 多層組立の段階別特徴点検出——当該層が全 OK のあと自動フロー、NG アラームとキャプチャによる証拠保存——は導入済みです。OrpaonVision 動作認識の単機路線は商用化に近いものの、引き続き工位データ・タクト・検収基準と組み合わせたシーン検収が必要であり、すでに規模展開済みとは書けません。OrpaonSOP の Hikvision VM プラグイン路線は研究開発と共同検証の段階にあり、標準納入の約束はしません。精度は具体的な工位、サンプル、検収口径に沿ってシーン検収で確認するものであり、本稿では数値の約束をしません。
まとめ
すべての工位に向くビジョンツールチェーンは存在しません。ルールで書き切れるものは従来アルゴリズム、形態が変わるものはディープラーニング、ソフトウェア構成が既にある現場は OpenCV を埋め込み、ライン側でフローを自分で保守したい場合は VisionMaster を検討します。先にシーンと前提を並べ、それからツールチェーンを対照する方が、ブランドを先に決めてシーンを探すより安定します。
工位の状況がまだ整理できていない場合は、まず一つの工位でシーン検収から始める方法があります。照明、治具、NG 定義、タクト制約を先に合意し、それからツールチェーンとパイロット範囲を決める進め方です。