光学検査｜光と精密技術で製品の欠陥を見抜く

光学検査

光学検査とは、光を利用して製品や部品の外観・寸法・欠陥などを非接触で検出・評価する検査技術の総称である。カメラ・レーザー・LED照明などの光学系と画像処理ソフトウェアを組み合わせ、製造ラインにおけるリアルタイムの品質保証を実現する。プリント基板（PCB）の自動光学検査（AOI）に代表されるように、電子機器・半導体・自動車・食品など幅広い産業で導入が進んでおり、人手による目視検査では困難な微細欠陥の高速・高精度な全数検査を可能にする。非破壊・非接触という特性から製品を傷つけることなく工程内に組み込めるため、現代の製造業における品質管理の根幹をなす手法のひとつとなっている。

原理と構成要素

光学検査は、光源・光学系・撮像素子・画像処理系の4要素で構成される。光源にはLED・レーザー・ハロゲンランプ・紫外線ランプなどが用途に応じて選択される。照射した光が対象物表面で反射・散乱・透過する際の光量分布や波長変化を、CCDやCMOSイメージセンサーで撮像し、取得した画像データをコンピューターで処理して良否を判定する。照明の配置方法（同軸落射・斜光・透過・暗視野）によって得られる情報が異なり、表面キズの検出には暗視野照明、寸法計測には均一拡散光が適する。光学系の設計は検査対象のサイズや要求精度に依存し、テレセントリックレンズは測定誤差を抑えた高精度な寸法検査に広く採用されている。

自動光学検査（AOI）

自動光学検査（Automated Optical Inspection：AOI）は、光学検査の代表的な応用形態であり、プリント基板製造ラインに組み込まれた自動外観検査システムである。高解像度カメラがボードを自律スキャンし、部品の欠落・誤実装・極性違い、はんだの過不足・ブリッジ・ボイドといった欠陥をリアルタイムで検出する。検査は実装前のベアボード検査、リフロー前後のはんだペースト検査（SPI）、最終外観検査など複数工程に分けて実施されることが多く、工程の早い段階で欠陥を発見することで手直しコストと不良流出リスクを低減できる。SMT部品の微細化が進むにつれてAOIの重要性はさらに高まっており、高密度実装に対応した超高解像度カメラやライン照明の採用が進んでいる。

照明方式と検出できる欠陥

照明の方式は、検出したい欠陥の種類によって使い分けられる。主な方式と検出対象を以下に整理する。

3次元光学検査

平面画像を取得する2次元AOIでは高さ情報が得られないため、はんだ量の過多・部品の浮きなど立体的な欠陥の検出に限界がある。そこで近年は、構造化光（パターン光投影法）やレーザー変位計を用いた3次元光学検査（3D AOI）が普及している。代表的な手法である位相シフト法では、正弦波状の縞パターンを投影しながら位相をずらした複数画像を取得し、三角測量の原理で各点の高さを算出する。これにより部品高さ・はんだフィレットの体積・接合部の形状を定量的に評価できるようになり、2次元検査では発見できなかった「形は合っているが高さが不足している」といった欠陥の検出精度が大幅に向上した。

位相シフト法の原理

位相シフト法では、縞パターンの位相 φ を次式で求める。

φ = arctan{ [I₁ − I₃] / [I₂ − I₄] }

ここで I₁〜I₄ は位相を 90° ずつシフトさせた4枚の画像の輝度値である。求めた位相値から三角測量で高さ Z を算出し、点群データとして出力する。計算量は多いが、近年はGPUによる並列処理で高速化が実現されており、製造ラインのインライン検査にも対応可能となっている。

半導体・フラットパネル分野への展開

半導体ウェーハや液晶パネルの製造では、ミクロンレベル以下の欠陥も製品歩留まりに直結するため、光学検査は特に厳格な精度が要求される分野である。ウェーハ表面のパターン欠陥や異物を検出するマクロ光学検査では、大面積を均一な照明条件で高速スキャンし、ディープラーニングを用いた欠陥分類が行われる。また光計測システムと連携した散乱光検査（暗視野スキャン）により、数十nm級の微粒子汚染も検出可能である。液晶パネルの輝点・黒点・ムラ検査では、人の目の感度特性を模した輝度ムラ評価アルゴリズムが採用されており、統計的品質管理と組み合わせることで歩留まり向上に寄与している。

AIと機械学習の活用

従来の光学検査は、あらかじめ設定したしきい値やテンプレートマッチングで良否を判定する方式が主流であったが、製品の多品種化・複雑化に伴い、AIを用いた検査が急速に普及している。ディープラーニングのCNN（畳み込みニューラルネットワーク）を活用することで、正常品と欠陥品の微妙な差異を自動的に学習でき、従来方式では困難だった不規則形状の欠陥や複雑な背景パターン上の異常検出が可能になる。教師なし学習による異常検知モデルは少量の欠陥サンプルでも高い汎化性能を発揮し、センシングデータとの融合によって検査精度のさらなる向上が図られている。過検出（偽陽性）と見逃し（偽陰性）のバランスを最適化するために、モデルの継続的な再学習と運用管理が重要な課題となっている。

他の非破壊検査との比較

光学検査は表面・外観の欠陥検出に優れる一方、内部欠陥の検出は苦手とする。内部欠陥を検出するには超音波探傷試験や放射線透過試験が有効であり、これらと組み合わせて使用されることが多い。光学検査の優位性は、非接触・高速・インライン対応・設備コストの低さにあり、毎分数百個に及ぶ量産ラインでも全数検査が実現できる点にある。一方で透明体や反射の激しい金属面は照明の工夫が必要であり、浸透探傷試験のように表面開口欠陥を蛍光発光させて可視化する手法と組み合わせる場合もある。検査コスト、要求精度、被検体の材質・形状を総合的に考慮して最適な手法を選定することが、効率的な品質管理に直結する。

産業別の主な用途

光学検査は多岐にわたる産業に適用されており、検査内容は業種ごとに異なる。

• 電子機器・基板：AOIによるはんだ・部品実装の全数検査、フレキシブル基板の回路パターン確認
• 半導体：ウェーハのパターン欠陥・異物検査、マスク検査、ダイスクライビング後のチップ外観確認
• 自動車：ボディパネルの塗装ムラ・キズ検査、エンジン部品の加工面精度確認
• フラットパネルディスプレイ：液晶・有機ELパネルの輝度ムラ・画素欠陥の全面検査
• 食品・製薬：異物混入、充填量不足、ラベル貼付不良の検出
• 金属・機械加工：寸法計測、バリ・キズの外観検査、刻印・マーキングの読取

光学検査システムの選定ポイント

光学検査システムを選定する際は、検出対象の欠陥サイズ・種類・ラインタクトタイムを明確にしたうえで、カメラ解像度・視野・フレームレートおよびレンズの倍率を決定するのが基本的な手順である。解像度は「検出したい最小欠陥サイズの1/3以下の画素サイズ」を目安とし、視野と解像度はトレードオフの関係にある。インライン検査では搬送速度に合わせたラインスキャンカメラの採用が有効であり、エリアスキャンカメラとの使い分けが重要である。照明の選定は検査精度を左右する最重要項目のひとつであり、サンプルを用いた事前評価試験を経てシステムを最終決定することが、導入後の過検出・見逃しを防ぐうえで不可欠である。