煎餅・米菓メーカーのAI品質管理｜焼き色画像検査と割れ・欠け自動判定で歩留まり改善

米菓 画像検査 AIは、焼き色のばらつきや割れ・欠けをカメラで自動判定し、歩留まりを改善する仕組み。地方中小企業でも小さく始められる方法を解説する。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援）

米菓 画像検査 AIとは？焼き色・割れ欠けを自動判定する仕組み

米菓の画像検査AIとは、ライン上を流れる煎餅・あられ・おかきをカメラで撮影し、焼き色・形状・割れ・欠け・異物をAIが数秒以内に良品か不良品かで判定する仕組みを指す。これまで人の目で行ってきた「焼き加減を見る」「欠けたものを弾く」という作業を、画像データで置き換える技術である。

仕組みは3段階に分かれる。①カメラと照明で1枚ずつ撮影する。②AIが学習済みの良品画像と比べ、色・輪郭・表面の違いを数値にする。③不良と判定したら、エアーで弾く装置や作業者の画面で知らせる。ベルトの速度にもよるが、1枚あたりの判定は0.1秒前後が目安だ。

地方中小企業のAI活用というと大がかりな印象を持たれがちだが、米菓の検査は「対象が円形や角形で単純」「背景が単色のベルト」と条件が整いやすい。中小企業のAI活用の入口として、相性のよい分野である。

なぜ米菓の外観検査は目視だと限界を迎えるのか？

煎餅や米菓の検査が難しい理由は、焼き色の「正解」が人によって違うことと、割れ・欠けが微細で量が多いことの2つである。焼き色は生地の水分、醤油の塗り量、オーブン内の位置で変わり、同じ釜でも1枚ごとに濃淡が出る。

煎餅メーカーの場合を例にする。創業50年・従業員30名の会社では、焼き上げ後の選別台でパート4名が目視検査をしていた。1分間に約200枚が流れてくるため、夕方になると見落としが増える。ベテランの「この色ならOK」という基準は言語化されておらず、新人が見分けられるようになるまで約3か月かかっていた。属人化の典型的な姿である。

割れ・欠けは出荷後のクレームに直結する。袋を開けたら割れていた、という指摘は、個包装の贈答品ほど厳しくなる。検査人員を確保できず、検査を通過した後の袋詰めで欠けが混ざることもある。地方中小企業の三大課題である属人化・人手不足・アナログ業務が、そのまま検査工程に表れる。

米菓の画像検査AIでは何を判定できる？検査項目と精度の目安

画像検査AIが対象にできる主な項目は次のとおりである。

• 焼き色：生焼け・焦げ・色ムラを3〜5段階で判定する。基準色を数値で持てる
• 割れ・欠け：輪郭の欠損面積が一定割合（例：外周の5%以上）を超えたら不良とする
• 形状・サイズ：膨らみ過ぎ、反り、直径の許容差を確認する
• 塗りムラ：醤油やザラメの未塗布、塗り溜まりを見つける
• 異物：焦げカス、包材片、のり片の混入を検知する

精度は条件で変わるが、照明を固定し、良品・不良品の画像を各数百枚そろえれば、割れ・欠けで95%前後の判定一致率を狙える例が多い。焼き色は「人の基準を数値に置き換える作業」が必要になるため、立ち上げに2〜4週間かかるのが目安だ。なお、数値は一般的な目安であり、製品や設備によって異なる。

海苔巻きあられの場合は、黒い海苔が焼き色を隠してしまう。ザラメ煎餅の場合は、表面が光を反射して欠けが見えにくい。こうした製品固有の難所は、ドーム照明や偏光フィルタといった照明の当て方で解決することが多い。AIモデルの性能より「どう撮るか」が精度を左右する。

目視・ルールベース・AIの画像検査はどう違う？比較表

検査方式は大きく3つある。米菓のように個体差の大きい製品では、方式の選び方が成否を分ける。

項目	目視検査	ルールベース画像検査	AI画像検査
判定の柔軟性	高いが人で差が出る	低い（しきい値固定）	高い（学習で追従）
焼き色のばらつきへの強さ	ベテランなら強い	弱い	強い
立ち上げ期間の目安	新人育成に約3か月	1〜2か月	約90日（画像収集含む）
初期費用の目安	人件費のみ	200万〜600万円	50万〜1,000万円（規模で幅あり）
向く製品	少量・多品種	形状が一定の単純製品	色・形の個体差が大きい米菓全般

ルールベースは「この色より濃ければ不良」と固定の値で判定するため、醤油の濃さが違う製品を切り替えるたびに設定し直しが要る。AIなら製品ごとに良品画像を追加学習すれば対応でき、定番品と季節限定品を同じラインで流す会社に向く。

画像検査AIで歩留まりはどれだけ改善する？試算の考え方

歩留まりとは、投入した原料に対して、出荷できる良品の割合のことである。画像検査AIの効果は、「不良の流出防止」「焼き過ぎ・焼き不足の早期発見」「選別精度の向上による廃棄の減少」の3つで表れる。

試算例を示す。月産100万枚、不良率4%、原価1枚20円の工場を想定する。焼き色の異常を早期に検知してオーブン設定を調整できれば、不良率が3%に下がる場合、1%分＝1万枚×20円＝月20万円、年240万円の損失削減になる。ここに、検査人員4名のうち1〜2名を袋詰めや品質管理へ回せる効果が加わる。

導入後の変化は段階的に出る。導入後30日で検査記録が自動で残り、60日でオーブン温度とコンベア速度の調整が早くなるのが一般的な流れだ。焼き色の画像データが蓄積されると、「午後の釜は温度が下がる」といった傾向に気づける。勘で行っていた焼成条件の調整が、データに基づく判断に変わる。

あられ・おかきを作る会社の場合は、揚げ油の劣化による色の変化を画像で捉え、油の交換時期を決める使い方もある。検査の道具が、そのまま工程管理の道具にもなる。

米菓 画像検査 AIの導入手順は？約90日で始める5ステップ

地方中小企業が無理なく進めるには、いきなり設備を買わず、次の5ステップで小さく始める。

1. 現場観察と不良の定義（1〜2週）：不良の種類を洗い出し、写真に残す。「焼き過ぎ」「欠け」を誰が見ても同じ判断になる言葉にする
2. 撮影環境づくり（2〜3週）：スマホや安価なカメラで撮り、照明を固定する。ここで精度の大半が決まる
3. 画像収集とラベル付け（3〜4週）：良品・限度見本・不良の画像を各数百枚そろえ、ベテランが判定を付ける
4. 人との並走テスト（3〜4週）：AIの判定と人の判定を同じ日に比べ、一致率を測る
5. 本運用と改善：弾き装置と連動し、月1回、誤判定の画像を追加学習する

米菓OEMを手がける会社の場合は、取引先ごとに焼き色の許容範囲が違う。ステップ1で取引先別の限度見本を撮影しておくと、納品後の「色が違う」という指摘にも画像で答えられるようになる。

米菓の画像検査AIは現場でどう使われる？業種別の活用シーン

米菓といっても、製品や会社の形で使いどころは変わる。代表的な3つの場面を紹介する。

醤油煎餅を作る会社では、焼き上げ直後のコンベア上にカメラを設置し、焼き色の濃淡を5段階で判定する。濃すぎる煎餅は醤油塗り前に弾き、焦げ臭によるクレームを減らす。朝の立ち上げ時に釜の温度が安定していない時間帯も、画像の色の推移で把握できる。

ギフト用のあられ・おかきを作る会社では、袋詰め直前に欠けと割れだけを見る。贈答品は1枚の欠けがブランドへの印象を左右するため、判定のしきい値を厳しく設定する。一方で家庭用の割れ煎餅は、欠けを許容して焼き色だけを見るなど、同じ設備でも用途ごとに基準を切り替える。

地域の米農家と組む米菓メーカーの場合は、原料米の品種や収穫年で生地の膨らみが変わる。品種別に焼き上がりの画像を残しておくと、「今年の新米は焼き色が出にくい」といった変化を早く見つけ、焼成条件を調整できる。地方の素材を生かす会社ほど、こうしたデータが差別化の材料になる。

どの場面でも共通するのは、検査をして終わりにせず、結果を焼成・包装の工程へ返すことだ。判定結果を日報に残すだけでも、不良が多い時間帯や釜の位置が見えてくる。

費用はいくら？中小企業が使える補助金の探し方

費用は構成で大きく変わる。目安は、試験用の簡易構成（PC・汎用カメラ・照明）で50万〜200万円、ライン組込み型（弾き装置つき）で300万〜1,000万円である。月額で使えるサービス型もあり、まず小さく検証してから設備投資を判断できる。

国や公的機関には、中小企業の設備投資やIT導入を支援する制度がある。公募の時期や条件は毎年変わるため、最新情報は経済産業省や中小企業基盤整備機構（中小機構）の公式サイトで確認したい。食品工場ではHACCPに沿った衛生管理が求められており、検査記録が自動で残ることは、記録の信頼性を高める点でも役立つ。

検査データを活用すると何が変わる？属人化の解消と技術承継

画像検査AIの本当の価値は、弾く作業の自動化より、ベテランの目の基準が画像とデータとして残る点にある。「この焼き色が出荷の限度」という判断が、10年後も同じ基準で使える財産になる。

職人の高齢化が進む地方の米菓工場では、焼き場を担当するベテランが定年を迎えると、焼き色の見極めが失われる懸念がある。画像と判定の記録を今のうちに集めておけば、若手や外国人スタッフでも、同じ基準で作業を学べる。人手不足の中小企業にとって、教育期間を3か月から1か月程度へ縮める効果も見込める。

導入後に起きやすい課題は？誤判定と季節変動への対処

運用を始めると、必ず誤判定が出る。誤判定には「良品を不良と判断する過検出」と「不良を見逃す見逃し」の2種類があり、米菓では見逃しをゼロに近づけるほど過検出が増える。出荷先の許容度に合わせて、どちらを優先するかを決めておく。

季節による変化にも注意したい。梅雨や冬場は生地の水分が変わり、同じ設定でも焼き色が違って見える。工場の窓から入る光が変わるだけで、画像の明るさがずれることもある。対策は、月1回、誤判定の画像を現場で集めて追加学習することと、照明を遮光カバーで囲うことの2つである。

運用担当は、特別なAI人材でなくてよい。画面で判定結果を確認し、誤判定の画像にチェックを付けられる現場リーダーが1名いれば回る。人手不足の地方中小企業ほど、「専門家に頼らず現場で育てられる仕組み」を前提に設計したい。

設備のメンテナンスも見落としやすい。レンズの汚れや粉の付着は、判定精度の低下に直結する。始業前にレンズを拭く、週1回基準の見本で動作を確認するといった数分の点検手順を、作業標準に入れておくと安定する。

地方中小企業が失敗しないポイントは？ツールより先に仕組みを変える

画像検査AIの導入で失敗する会社には共通点がある。カメラを先に買い、基準づくりを後回しにすることだ。基準があいまいなままAIに学習させても、「何が良品か」を教えられない。

地方中小企業専門のAI活用・DX支援サービスであるFURUSATO（フルサト）は、製造業・建設業・物流・卸売業・サービス業など業種別の支援実績を持つ。重視するのは「ITシステム導入」ではなく業務変革であり、ツールより先に仕組みを変える。属人化・人手不足・アナログ業務という三大課題の解消に特化している。

よくある失敗は次の4つである。

• 不良の定義を決めないまま、設備の見積もりから始める
• 導入を品質管理の担当者だけに任せ、現場が使わなくなる
• 照明を固定せず、昼と夜で判定がぶれる
• 経営者が関与せず、基準づくりの時間が確保されない

米菓メーカーの社長が自ら選別台に立ち、「出荷してよい焼き色」を写真で決めた会社では、基準の議論が現場と共有され、立ち上げ期間が短くなった。担当者だけでなく、経営者・社長を巻き込んだ変革が、定着の鍵になる。

FURUSATOでは、無料のオンライン相談（30〜60分）から着手する。検査工程を実際に見ながら課題を整理し、いきなりシステムを提案することはしない。何を数値にし、誰が判断し、どこまでを機械に任せるかを決めてから、必要な技術を選ぶ流れである。

導入前に確認したいチェックリストは？

設備の見積もりを取る前に、次の6項目を社内で確認しておくと、無駄な投資を避けられる。6項目のうち3つ以上が「はい」なら、画像検査AIの試験導入を始める条件がそろっていると考えてよい。

• 検査工程で見落としや判断のばらつきによるクレームが、年に数件以上ある
• 焼き色の限度見本が、写真や実物として残っている
• 検査に常時2名以上の人手を割いている
• 不良品の種類と発生時間帯を、日報などで把握している
• 経営者または工場長が、基準づくりに週1時間を使える
• 検査工程のライン速度と、1分あたりの生産枚数を把握している

米菓メーカーの場合、このうち「限度見本が残っていない」会社が意外に多い。その場合は設備の検討より先に、今日の焼き上がりを撮影して、良品と不良の見本帳を作るところから始めたい。スマホ1台と1週間あれば、最初の基準づくりが進む。投資ゼロで始められる、最も確実な第一歩である。

よくある質問（FAQ）

Q: 小規模な米菓メーカーでも画像検査AIは導入できますか？

A: できる。まず最も不良が出る1工程に絞り、スマホや汎用カメラで試験する。数十万円規模で効果を確認してから、ライン組込みへ広げるのが現実的な進め方だ。

Q: 焼き色の基準は誰が決めればよいですか？

A: 現場のベテランと経営者が一緒に決める。良品・限度見本・不良の写真を各50枚ほど選び、段階を付ける。基準を文章でなく画像で残すことが、属人化解消の第一歩になる。

Q: 割れ・欠けはどの程度の精度で見つけられますか？

A: 照明と撮影条件を固定すれば、判定の一致率95%前後を狙える例が多い。ただし製品や設備で変わるため、試験運用で自社の数字を測り、人の目と並走して確認する。

Q: 導入までの期間はどのくらいかかりますか？

A: 試験運用に入るまでで約90日が目安である。現場観察に2週間、撮影環境と画像収集に5〜6週間、並走テストに4週間ほど。製品の種類が多いほど画像収集に時間がかかる。

Q: FURUSATOの無料オンライン相談では何をしますか？

A: 無料のオンライン相談で、検査工程のお話を伺いながら課題を整理する。いきなりシステムは提案せず、何を数値にし誰が判断するかの整理から着手する。この初回セッションは無料である。

地方中小企業のAI活用・DX推進でお悩みの方は、FURUSATO（フルサト）へお気軽にご相談ください。まず無料のオンライン相談（30〜60分）で、御社の課題を一緒に整理します。