「良品画像はハードディスクが埋まるほど保管されているのに、肝心の不良品画像が数百枚しか集まらない」
「現場で年に数回しか発生しないレアな欠陥を見逃すわけにはいかず、生産ラインの停止リスクを常に抱えている」
製造現場におけるAI検品の導入において、このようなデータ不足の壁に直面するケースは決して珍しくありません。一般的な画像認識モデルの精度が90%あたりで頭打ちになった際、残りの10%を埋めるための異常データが物理的に存在しないという課題です。この「データ不均衡」こそが、多くのPoC（概念実証）が本番運用へと進めない最大の要因となっているのではないでしょうか。
従来のデータ拡張手法である画像の回転、反転、ノイズ付加などを繰り返すだけでは、AIモデルに未知の欠陥パターンという新しい特徴を学習させることは困難です。そこで現在、先進的な製造テックの領域で新たなスタンダードとして注目を集めているのが、生成AIを活用した「シンセティックデータ（合成データ）」の生成パイプラインです。
本記事では、単に画像生成AIを試すだけでなく、製造現場の厳しい品質基準に耐えうる高品質な教師データを作成するための、実践的なワークフローとプロンプトテンプレートを解説します。具体的には、LLM（大規模言語モデル）を活用して「不良」の定義を論理的に言語化し、画像生成AIでその定義を視覚的に「具現化」します。
さらに、空間理解や詳細な物体認識能力が急速に向上している最新の視覚言語AI技術を活用し、生成された合成データが教師データとして適切かどうかを「評価・スクリーニング」するというアプローチをとります。特定のバージョンや単一のモデル機能に依存するのではなく、視覚と言語を統合したAI技術の進化（物理空間の高度な理解や推論能力の向上など）を見据えながら、本番環境で確実に機能するデータ生成パイプラインを構築するためのエンジニアリング手法を紐解きます。
本テンプレート集の目的と活用フロー
まず、目指すべきは「魔法のように完璧な画像を一枚出すこと」ではありません。「統計的にモデルの学習を助けるデータを、制御可能な状態で量産すること」です。単なる穴埋め式の古いプロンプトテンプレートに頼るのではなく、最新のAIエージェントが持つ自律的な推論能力を引き出すワークフローへの移行が重要になります。まずは動くプロトタイプを作り、仮説を即座に検証するアプローチを取り入れてみましょう。
検品AIにおける「データ不均衡」の壁
通常の製造ラインでは、不良率は低ければ低いほど優秀です。しかし、AIの学習にとってはこれが大きな障壁となります。例えば、良品が1万枚に対して不良品が50枚しかない場合、モデルは「とりあえず全部良品と答えておけば正解率99.5%になる」という安易な解に収束しがちです。これでは検査機として機能しないのは明らかですよね。
このギャップを埋めるために、生成AIを活用して「現実にはまだ起きていないが、物理的に起こりうる不良（エッジケース）」を意図的に作り出します。最新のAIモデルが持つ高度な物理法則の理解力を活用することで、より現実的で多様なエッジケースの網羅が可能になります。
生成パイプラインの全体像（LLM×画像生成×VLM）
推奨されるパイプラインは、以下の3つの役割を連携させるアプローチです。従来の単純なテキスト処理から、エージェントを活用した自律的なワークフローへと進化しています。
- Definer (定義者): LLM（ChatGPT、Claudeなど）を使い、現場の曖昧な言語情報を、画像生成AIが理解できる具体的な物理パラメータやプロンプトに変換します。最新のAI環境では、タスクの複雑度に応じて思考の深さを自動調整する機能（Adaptive Thinkingなど）が備わっており、より緻密なエッジケースの要件定義が可能です。
- Generator (生成者): Stable Diffusion等の画像生成AIを使い、実際の良品画像をベースにInpainting（部分描き換え）を行います。ゼロからの生成ではなく、実画像を加工することでリアリティを担保します。
- Inspector (検査者): VLM（ChatGPTの画像認識機能、Geminiなど）を使い、生成された画像が「物理法則に反していないか」「教師データとして有効か」を客観的に自動判定し、不適切なデータを除外します。最新のモデルは長文のコンテキスト推論や視覚的検証能力が劇的に向上しており、ハルシネーション（もっともらしい嘘）を抑えた高精度な品質管理を実現します。
前提となるツール環境
本記事の実践的アプローチは、以下の環境での動作を想定しています。
- 生成エンジン: Stable Diffusion WebUI (Automatic1111) または同等のAPI環境
- モデル: SDXL または Realistic Vision 系のチェックポイント（実写の再現性が高いもの）
- 拡張機能: ControlNet (特にInpaint, Depth, Cannyプリプロセッサ)
- スクリプト言語: Python (API経由でバッチ処理を行う場合)
ここから、各フェーズにおける具体的なプロンプト設計と、最新のAIエージェントの能力を最大限に引き出す制御手法を提示します。
【Phase 1】不良モードの言語化・構造化プロンプト
現場の熟練工の方に「このキズはどういうものですか？」と聞くと、「なんかこう、ガサッとした感じ」といった答えが返ってくることがあります。人間には伝わりますが、AIには伝わりません。最初のステップは、この「暗黙知」を「明示的なプロンプト」に変換することです。論理的かつ明瞭な言語化が、AIとのコミュニケーションの第一歩となります。
現場の「感覚的な不良」をプロンプトに変換する
以下のテンプレートは、LLM（ChatGPTやClaude）に入力して、画像生成用のプロンプトを作成させるためのメタプロンプトです。
テンプレート1：不良定義の構造化 (for LLM)
# Role
あなたは製造業の品質管理エキスパート兼、画像生成AI（Stable Diffusion）のプロンプトエンジニアです。
# Input Data
以下の【対象製品】と【不良の内容】に基づいて、画像生成AIに入力するための詳細なプロンプトを作成してください。
【対象製品】: {{product_name}} (例: 自動車の塗装済みバンパー)
【素材】: {{material}} (例: 金属、光沢あり、メタリック塗装)
【不良の内容】: {{defect_description}} (例: 飛び石による小さな塗装剥げ、錆はまだ出ていない)
# Instructions
1. 不良の視覚的特徴を物理パラメータ（形状、深さ、色、エッジの鋭さ、光の反射）に分解してください。
2. Stable Diffusionで再現するための「Positive Prompt」を作成してください。専門用語（e.g., micro-scratches, dent, abrasion）を使用し、質感やライティングを強調してください。
3. 不良以外の要素が変わらないようにするための「Negative Prompt」を作成してください。
# Output Format (JSON)
{
"visual_analysis": "視覚的特徴の分析コメント",
"positive_prompt": "(masterpiece, best quality, ultra-realistic:1.2), macro photography of {{product_name}}, {{material}} texture, [defect description keywords], sharp focus, industrial lighting...",
"negative_prompt": "blur, low quality, distortion, rust (if not needed), organic matter, text, watermark..."
}
出力例と調整のポイント
このプロンプトを使うと、単なる「キズ」ではなく、「鋭利なエッジを持つ、深さ0.5mm程度の円形の窪み、周囲に微細なクラックあり」といった具体的な描写が得られます。これを次の生成フェーズで使用します。
【Phase 2】エッジケース画像生成プロンプト（基本編）
ここがパイプラインの核となります。ゼロから画像を生成（Text-to-Image）すると、製品の形状自体が変わってしまうリスクがあります。検品AIの学習には「背景や製品形状は同じで、欠陥だけがある」ペアデータが理想的です。
そのため、Inpainting（画像の特定部分だけをマスクして書き換える技術）を使用します。技術の本質を見抜き、最短距離で目的を達成する実践的な手法です。
テンプレート2：キズ・打痕の生成（Inpainting用）
最も頻出する「キズ（Scratch）」や「打痕（Dent）」を生成するためのテンプレートです。
{
"prompt_template": "(macro photography:1.3), extreme close-up of {{material_texture}}, containing {{defect_type}}, raw photo, hyper realistic, 8k uhd, industrial inspection, lighting from top-left",
"negative_prompt": "blur, low resolution, cartoon, illustration, painting, organic texture, rust, dust, fingerprints (unless specified)",
"parameters": {
"sampler": "DPM++ 2M Karras",
"steps": 30,
"cfg_scale": 7.0,
"denoising_strength": 0.75,
"mask_blur": 4
},
"variables": {
"material_texture": ["brushed aluminum", "glossy plastic", "matte coating steel"],
"defect_type": [
"(deep scratch:1.2) with jagged edges",
"(shallow abrasion:1.1) on surface",
"(impact dent:1.3) with shadow depth"
]
}
}
技術メモ:
denoising_strengthが重要です。Inpaintingの場合、この値が低い（0.3以下）と元の画像から変化せず、高い（0.8以上）と周囲との馴染みが悪くなります。0.65〜0.75あたりが「質感を保ちつつ欠陥を描画する」スイートスポットです。- ControlNetの「Inpaint」モデルを併用すると、マスク境界の違和感をさらに減らせます。
テンプレート3：異物混入のシミュレーション
食品や電子基板などで問題になる「異物（Foreign Material）」の生成です。
{
"prompt_template": "(macro shot:1.2), {{product_background}}, contaminated with {{foreign_object}}, realistic shadow, depth of field",
"variables": {
"product_background": "clean white plastic tray surface",
"foreign_object": [
"(black hair strand:1.3)",
"(tiny metal fragment:1.2)",
"(piece of clear plastic film:1.1) reflecting light"
]
},
"control_net": {
"module": "canny",
"weight": 0.6,
"guidance_end": 0.5
}
}
ここでは、異物が「浮いて」見えないように、realistic shadow（リアルな影）というプロンプトを含めるのがコツです。
【Phase 3】環境変動への対応プロンプト（応用編）
不良品データだけでなく、AIの堅牢性（Robustness）を高めるためには、「不良品っぽく見える良品」や「撮影条件が悪い画像」も学習させる必要があります。
テンプレート4：照明条件・ハレーションの再現
工場内の照明環境は一定とは限りません。外光が入ったり、照明が劣化したりします。
{
"prompt_template": "{{product_description}}, {{lighting_condition}}, industrial photography, authentic look",
"variables": {
"product_description": "silver metallic cylinder part",
"lighting_condition": [
"(harsh reflection:1.2), specular highlight, overexposed",
"(dim lighting:1.1), low contrast, shadowy environment",
"(uneven lighting:1.2), color cast yellow"
]
},
"note": "これはInpaintingではなく、Img2Imgで全体に適用するか、ControlNet Tileを使用して構造を維持しながら画風を変更します。"
}
実環境のノイズを意図的に加える
きれいなスタジオ撮影のような画像ばかりで学習させると、現場のカメラについたホコリや、油膜によるボケで誤検知を起こします。あえて「(lens dust:1.1), (oil smudge:1.0) on lens」といったプロンプトを混ぜることで、現場に強いモデルが育ちます。
【Phase 4】自動選別・品質評価プロンプト
生成AIは確率的なので、時には物理法則を無視した変な画像（例：金属なのに木目が出るなど）を生成します。これを人間が目視でチェックしていては自動化の意味がありませんよね。ここでVLM（視覚言語モデル）の出番です。
テンプレート6：VLM（視覚言語モデル）による評価
生成された画像と、元の指示（プロンプト）をVLMに入力し、教師データとしての適格性を判定させます。
# Role
あなたは厳格な品質管理検査官です。
# Task
提供された画像が、AIモデルの学習用データとして適切かどうかを判定してください。
# Input
- Image: [生成された画像]
- Target Defect: {{defect_type}} (例: 表面のひっかき傷)
# Evaluation Criteria
1. Realism: 画像は写真としてリアルか？（イラストやCGっぽくないか）
2. Consistency: 指定された欠陥（{{defect_type}}）が適切に描画されているか？
3. Artifacts: 不自然な歪みやノイズがないか？
# Output Format (JSON)
{
"is_acceptable": true/false,
"confidence_score": 0.0-1.0,
"reason": "判定理由を簡潔に記述",
"detected_defect_location": "top-left / center / etc."
}
このJSON出力をパースし、is_acceptable: true かつ confidence_score > 0.8 の画像だけを学習データセットに自動保存するスクリプトを組めば、寝ている間に高品質な不良品データセットが完成します。
まとめ
今回紹介したパイプラインは、以下の3つの価値を提供します。
- データの量産: 数百枚、数千枚の不良画像を短時間で生成可能。
- 多様性の確保: 発生頻度の低いレアケースも意図的に作り出せる。
- 自動化と品質担保: VLMによるフィルタリングで、エンジニアの工数を削減。
AI検品の精度向上は、もはやモデルのアーキテクチャ選びではなく、「いかに質の高いデータを戦略的に用意するか」にかかっています。この「データ中心のAI開発（Data-Centric AI）」こそが、現場で使えるAIを作る鍵です。
もし、実際の製品画像でこのパイプラインを試してみたい、あるいはPythonでの具体的な実装コードや環境構築について詳しく知りたいという場合は、専門家に相談することをおすすめします。各現場のデータ特性に合わせた最適な生成フローを設計し、まずは動くプロトタイプで仮説検証を回すことが、AIプロジェクト成功への最短距離となります。
最新技術を駆使して、製造現場のAIを次のステージへと進めていきましょう。
コメント