製品ラベル検査AIの開発事例を紹介

製品に貼られたラベルの不備をチェックする検査では、ラベルの有無や位置、破れや汚れなど様々なポイントを確認する必要があります。目視での検査は数が多く時間もかかりますし、疲れなどによる見逃し、ミスも生じてしまうリスクがありますが、AIによって自動でラベル検査を行うことで人的ミスや判断のばらつきのない検査が可能となります。ここでは、AIを活用した製品ラベル検査事例を紹介します。

電子業の事例

引用元：SOLOMON（https://www.solomon-3d.com/jp/case-studies/solvision/ai-inspection-for-product-labels/）

導入前の課題：従来のシステムでは小さな美観上の欠陥が捉えにくかった

電子機器製造では製品開発や生産、在庫管理を行うにあたって部品のシリアル番号をまとめることが重要となります。製品ラベルが誤って記録されると業務効率が低下するのですが、従来のシステムでは製品番号の正確な記録が困難でした。

導入後の成果：ディープラーニングでフォントの欠陥も検出・識別できるようになった

AIディープラーニングでラベル上の多くの種類のテキストや数字の欠陥を学習したことで、不規則や微妙な数字やフォントでもシステムが欠陥を検出して識別することが可能となりました。欠陥を検出、自動で補ってラベル識別ができるようになり、在庫管理精度を向上することができました。

日用品業界の事例

引用元：株式会社大電社（https://www.daidensha.co.jp/vidi_deeplearning/4305.html）

導入前の課題：液体パウチ製品のラベル有無分類作業を自動化したい

液体パウチは形が変わったり検査をする際に光沢が生じたりすることで通常の画像処理では検査が難しく、さらに液体や袋が透明の場合は気泡が見えることもあってラベルの検出が困難になっていました。

導入後の成果：ディープラーニングでラベルのみの検出が可能になった

ラベルの種類や位置が様々なパウチ製品でも、ディープラーニングでラベルのみを検出できるようになりました。様々なラベル有無を検出できるようになり、他の各検査ツールを組み合わせることでラベル種類の分別も自動化できるようになりました。

ペットボトルAI検査機を導入した事例

引用元：日新電子工業株式会社（https://www.nissin-elc.co.jp/technical/case/niis-aiai.html）

導入前の課題：狭い場所でペットボトルの外観異常検査と重量検査が行いたい

今まではペットボトルのキャップ、ラベルの検査を目視で行っていましたが、小さな異常を見逃してしまうことがありました。また、作業スペースの関係で重量検査と一緒にラベル検査が行えるシステム導入を検討していました。

導入後の成果：省スペースで2つの検査が可能になった

ウェイトチェッカーにカメラを設置することで2つの検査を省スペースで実施することができるようになりました。画像処理は良品のみを学習させて異常を検知するようにしており、NGラベルの検出が可能となりました。また、AIによる異常検知で安定した基準でのチェックが可能となり、ばらつきが解消されました。

製品ラベル検査AIを開発する方法

クラウド型文字認識サービスを活用

例えばGoogleが提供している「Vision API」といったクラウドサービスを利用することによって、製品ラベルの文字情報を読み取れるAIを開発する、という方法が考えられます。ラベル画像を送ると、AIによって賞味期限やロット番号などをテキストデータ化できます。この場合、手書き文字や傾いている文字でも高精度に読み取ることが可能です。ただし、検査を行うには文字を読み取った後に正しいデータと付き合わせる照合システムの開発も行う必要があるため、開発を得意とする会社への委託が推奨されます。

ディープラーニングOCRを利用する

ディープラーニングを用いることによって、さまざまな文字や単語、記号の検出や抽出が可能になります。この場合、標準OCRでは対応が難しい産業用途にも適しています。悪条件下の文字だったとしても、数枚のサンプルを学習させることによって安定した読み取りが可能となり、高速な生産ラインでの印字検査などに使用可能です。ただし、ライン速度に合ったカメラの選定や照明の設定、検査ソフトのチューニングといったように専門的な知識が必要とされることから、この分野に強みを持つ会社へ依頼することが求められます。

イメージの異常を発見できるサービスを活用

イメージの異常を発見できるAmazon Web Services（AWS）の「Amazon Lookout for Vision」などを使用し、製品ラベルの「見た目」について検査を行えるようにする方法もあります。この方法では、文字を読むのではなく、ラベル全体のデザインを画像として学習させることによって「異なるラベルが貼り付けられている」「ラベルがずれている」「ラベルが剥がれかけている」といった異常について検知が可能です。

この場合、クラウドに画像をアップロードするのみでAIモデルの作成が可能ではあるものの、異常を検知した場合に他のシステムや設備と連携する必要がある場合には、部分的に外注を利用するという選択肢も考えられます。

画像解析AI開発ツール・プラットフォームの料金・機能比較

ここでは、クラウドやオンプレミスなどのタイプ、料金、主な対応業界などの詳細情報を公式HPに掲載している画像解析AI開発ツール・プラットフォームをピックアップして比較します。

▼左右にスクロールできます▼

	Bind Vision （キヤノンITソリューションズ） 引用元：キヤノンITソリューションズ公式HP （https://www.canon-its.co.jp/solution/industry/cross-industry/image-integration/bindvision/brand） 公式HPへ 資料DL 無償デモ相談	OPTiM AI Camera Enterprise （OPTiM） 引用元：OPTiM AI Cameraシリーズ公式HP （https://www.optim.co.jp/optim-ai-camera/） 公式HPへ 資料DL 無償デモ相談	オールインワン AI画像解析パッケージ （大塚商会） 引用元：大塚商会公式HP （https://www.otsuka-shokai.co.jp/products/ai-iot/ai-camera-analysis/） 公式HPへ 資料DL 無償デモ相談
タイプ	クラウド	オンプレミス/クラウド （選択可）	オンプレミス
基本料金	初期費用：なし 基本プラン：3万円/月	初期費用：66万円※1	導入費：440万円～
導入までの期間	即時 （契約後すぐに使用可能）	最短約6週間	― （公式HPに記載なし）
トライアル	有り （1か月無償で使用可能）	― （公式HPに記載なし）	― （公式HPに記載なし）
API	Web APIでプログラムを 問わず、連携可能　※2	APIで既存アプリ、 システムとの連携が可能	― （公式HPに記載なし）
主な対応業界	製造業/防災事業者/自治体	小売業/交通機関/医療業界	建設業/小売業/製造業

【選定条件】
「画像解析AI開発ツール」とGoogle検索して上位表示されるAI開発ツール30社のうち、クラウドorオンプレミスでのプラットフォームを提供している製品をピックアップし、
公式HPに導入費用などの価格掲載があるソフトの情報を掲載しています。
※1.OPTim Edge Entryの場合、カメラ5台まで処理可能。
※2.煙検出AIの場合、1セット＝45,000回/月の実行回数。
（2025年3月5日調査時点）

【まとめ】製品ラベルチェックはAIで安定した検査が可能になる

製品ごとに異なるデザインやフォント、色などが用いられる製品ラベルは、目視の検査では不良の見逃しが起こりやすくなっています。また、検査員ごとに基準が違えば品質の均一性を保つのも困難です。AIでの製品ラベルチェックを行うことで、安定した基準での検査が可能となります。高速・高精度の検査を人手不足でも自動で行えるのもメリットです。自社に合ったシステムを探し、導入を検討してみましょう。