外観検査AI比較2026｜検品AIの方式・実在製品・補助金
記事
公開: 2026年6月25日
更新: 2026年6月25日
読了目安: 3分
公募中 4件
この記事の結論
「外観検査AI 比較」「検品AI 導入費用」で検索する方の多くは、複数の製品を横並びで見て、費用の目安を知りたいはずです。しかし外観検査AI・検品AIは、カメラ台数・ライン統合の有無・学習データ準備の工数・SIer（システムインテグレーター）費用で総額が大きく変わり、かつ主要メーカーの多くが価格を公式サイトで公表してい
外観検査AI比較2026：結論と本記事の読み方
「外観検査AI 比較」「検品AI 導入費用」で検索する方の多くは、複数の製品を横並びで見て、費用の目安を知りたいはずです。しかし外観検査AI・検品AIは、カメラ台数・ライン統合の有無・学習データ準備の工数・SIer（システムインテグレーター）費用で総額が大きく変わり、かつ主要メーカーの多くが価格を公式サイトで公表していません。そのため本記事は、確認できない相場や目安の金額を書くのではなく、比較の軸になる「技術方式」の違いと、公式サイトで実在を確認できた製品、そして公的に確認できる補助金の補助率・補助上限額の3点に絞って整理します。
この記事でわかること（要約）
- 外観検査AIには3つの技術方式があり、検査対象の不良サンプル数や立ち上げ工数はここで決まる（ルールベース／教師ありディープラーニング／教師なし異常検知）
- 本記事で紹介する製品は、公式サイトで法人・製品の実在を2026年9月15日にcurlで確認できたものだけ。過去に一部のまとめサイトで見かける「AISIA-AD」「VKOO」等の名称は、本記事執筆時点で公式サイト上に確認できなかったため掲載していません
- 価格は非公表の製品が大半のため、目安の金額（相場）は書きません。項目別（ソフトウェア費・カメラ等ハードウェア費・SIer構築費・学習データ構築費）に分けた見積もりを複数社から取得することを推奨します
- 中小企業省力化投資補助金のカタログ（カタログ注文型）に、2026年4月23日「AI外観検査用画像処理システム」という製品カテゴリが追加されました。デジタル化・AI導入補助金（旧IT導入補助金）・ものづくり補助金にも活用余地があります
本記事の価格情報はすべて「メーカー公式サイトで確認できた場合のみ記載し、確認できない場合は要見積と明記する」方針で統一しています。補助金の補助率・補助上限額・製品カテゴリの登録状況は変更されるため、必ず各公式サイトで最新情報をご確認ください。
外観検査AI 3つの技術方式を比較：ルールベース・教師あり・教師なし異常検知
外観検査AI（検品AI）の比較でまず確認すべきは、価格ではなく「どの技術方式で不良を検出するか」です。方式によって、必要な学習データの種類・立ち上げにかかる工数・新しい不良パターンへの対応力が大きく変わります。
| 比較項目 | ルールベース（従来型画像処理） | 教師ありディープラーニング | 教師なし異常検知（良品学習型） |
|---|
| 判定の仕組み | 明るさ・輪郭・寸法等の閾値をあらかじめ人が設定して判定 | 良品画像と不良品画像の両方を大量に学習し、不良パターンを分類 | 良品画像だけ（または少量の不良品画像）を学習し、そこから外れる領域を異常として検出 |
| 必要な学習データ | 基本的に学習データは不要（ルール設計が中心） | 良品・不良品の両方を一定量収集・ラベリングする必要がある | 良品画像が中心。不良品サンプルが少ない現場でも立ち上げやすい |
| 新規の不良パターンへの対応 | 想定外のパターンには弱い（ルールの再設計が必要） | 未学習の不良パターンは検出しにくい（追加学習が必要） | 「良品から外れるもの」を検出するため、未知のパターンにも比較的強い |
| 立ち上げ工数 | 照明・カメラ条件が安定していれば比較的少ない | 不良品サンプルの収集・ラベリングに工数がかかる | 良品データの収集が中心で、教師あり型より立ち上げやすい傾向 |
| 向いている検査対象 | 形状・寸法が安定した単純な良否判定 | 不良パターンが多様で、サンプルを十分に用意できる場合 | 表面のばらつきが大きい対象、不良サンプルが希少な対象 |
実際の製品は1方式に固定されているとは限らず、ルールベースとAIを併用できるハイブリッド型も存在します（次章で紹介するキーエンスのシステムが該当します）。自社の不良サンプルがどれだけ集まるか、不良パターンがどれだけ多様かを先に整理してから、対応する方式の製品を検討するのが実務的な順番です。
外観検査AI・検品AI 実在が確認できた製品：公式情報だけで整理
本記事は、企業の公式サイトに2026年9月15日時点でアクセスし、法人・製品ページの実在をブラウザUAでのcurl取得により確認できた製品のみを掲載しています。価格は各社とも公式サイトに具体的な金額の記載がなく、「非公表・要見積」として統一しています。
| 提供会社 | 製品名 | 技術方式 | 主な検査対象・特徴 | 価格 |
|---|
| 株式会社アダコテック | AdaInspector（良品学習AI）／POKAMIRU（目視補助AI）／Shiwaketter（欠陥分類AI） | 教師なし異常検知が中心（AdaInspectorは良品データのみで学習） | 樹脂のシルバー・金属の打痕・テクスチャや模様の崩れなど「バラつきが大きい対象」を得意とすると公式に説明。GPU不要でCPUのみで動作すると公式に記載 | 非公表・要見積（公式サイトに具体的な金額の記載なし） |
| 株式会社キーエンス | VS-Gシリーズ（AI×ビジョンストレージ搭載 画像処理システム） | ルールベース＋教師ありAIのハイブリッド（同一製品内で両方式を選択可能） | 「ルールベースツールのベストなパラメータを見つけ出すオートパラメータチューニング」と「AIツールのベストな学習画像を見つけ出すオートイメージセレクタ」の両方を搭載すると公式に説明 | 非公表・要見積（公式サイトは「価格・見積」への問い合わせ導線のみ） |
| MVTec Software GmbH（ドイツ） | HALCON（画像処理ソフトウェアライブラリ） | ルールベース（古典的画像処理）＋教師ありディープラーニング（Deep Learning Toolオプション） | SIerが組み込んで使う汎用の画像処理ソフトウェアライブラリ。世界的に採用実績が多い画像処理基盤ソフトの一つと公式に説明 | 非公表・要見積（ライセンス体系はSIer経由の見積りが必要） |
上記3社は、いずれも公式サイト（法人ドメイン）にHTTP 200でアクセスでき、製品ページの記載内容を確認したうえで掲載しています。特定の製品の性能・精度・価格を保証するものではありません。より多くの製品を比較したい場合は、自動検品AIおすすめ5選の記事やAI検査システム比較ガイドもあわせてご覧ください（本記事とは別の切り口で製品を紹介しています）。
本記事の製品掲載方針：実在確認できないものは載せない
外観検査AI・検品AIというジャンルは製品名や提供会社名の情報が錯綜しやすく、記事によっては公式に確認できない社名・製品名が紹介されているケースがあります。本記事では、掲載候補とした製品名・企業名について公式ドメインへのアクセス（curl・ブラウザUA）を行い、法人サイトが実在し、かつ該当製品の記載が確認できたものだけを掲載しました。ドメインが名前解決できない、または企業の公式サイト内検索で該当製品が見つからない場合は、実在の確証が持てないため本記事には掲載していません。
外観検査AI導入前に決めるべき5つの要件
外観検査AIは「導入すれば終わり」ではなく、導入前に現場側で決めておくべき要件があります。これらを曖昧なまま見積もりを依頼すると、複数社の見積もりを正しく比較できません。
| 決めるべき要件 | 内容 | 曖昧なまま進めた場合のリスク |
|---|
| 1. 撮像 | 検査対象の形状・サイズ・素材に応じたカメラの種類（エリア／ライン／3D）、解像度、台数 | 解像度不足で微小な不良を検出できない、または過剰スペックで費用が膨らむ |
| 2. 照明 | 検査対象の反射特性（金属光沢・透明・つや消し等）に応じた照明方式の設計 | 照明条件が安定せず、精度が現場ごとにばらつく |
| 3. タクト（検査速度） | 既存ラインの生産速度（個/分・m/分）に対して検査処理が追いつくか | 検査がボトルネックになり、ライン全体の生産性が落ちる |
| 4. 欠陥定義 | 「何を不良とするか」を数値・画像サンプルで具体化し、現場の目視検査基準とすり合わせる | ベンダーとの基準が食い違い、見逃し（FN）や誤検知（FP）が現場の許容値を超える |
| 5. 学習データ | 教師あり型なら良品・不良品双方、教師なし異常検知型なら良品データを中心に、必要枚数と収集方法を決める | 学習データが不足し、精度が出ないままPoC（実証試験）が長期化する |
この5要件を整理したうえで、同一条件で複数社にデモ・PoCを依頼すると、方式や価格だけでなく「自社の欠陥定義にどれだけ正確に応えられるか」を横並びで比較できます。
検品AIの導入費用：本記事が「相場」を書かない理由
「検品AI 導入費用」で検索する方の目的は費用感の把握だと思いますが、本記事はあえて目安の金額（相場）を掲載していません。理由は次の3点です。
相場を書かない3つの理由
- 費用構成の変動幅が大きい——カメラ台数・ライン統合の有無・既存設備への組み込み可否・学習データ構築の工数によって総額が大きく変動し、一般化した金額を示すこと自体が実態と乖離するリスクがあります
- 主要メーカーの多くが価格を非公表——本記事で確認した3社（アダコテック・キーエンス・MVTec HALCON）はいずれも公式サイトに具体的な金額の記載がなく、正式な見積もりが必要です
- 「目安」がひとり歩きするリスク——一般化した相場を提示すると、実際の見積もりとの乖離が大きい場合に判断を誤らせる可能性があります
その代わりに本記事で提示できるのは、公的に確認できる補助金の補助率・補助上限額です（次章）。費用を把握するための実務的な進め方は次の通りです。
- 複数社に、同一の欠陥定義・同一の検査対象サンプルを提示して見積もりを依頼する
- 見積書は「AIソフトウェア費」「カメラ・照明等ハードウェア費」「SIer構築費」「学習データ構築費」「年間保守費」を項目別に分けて取得する（補助金の実績報告でも項目分けが必要になります）
- ソフトウェアのみで完結するか、ハードウェア一式が必要かを先に切り分ける（デジタル化・AI導入補助金はソフトウェア中心、ものづくり補助金・省力化投資補助金は設備一式が対象になり得ます）
外観検査AI・検品AI導入で使える補助金2026：制度の公式値
外観検査AI・検品AIの導入で活用できる可能性がある国の主要制度を、公募要領・公式ポータルの原文から補助率・補助上限額だけを整理しました。数値は2026年9月15日時点の確認です。年度・締切回次によって変更されるため、申請前に必ず最新の公募要領をご確認ください。
中小企業省力化投資補助金のカタログに「AI外観検査用画像処理システム」が追加
中小企業省力化投資補助金（カタログ注文型）の製品カタログに、2026年4月23日付で「AI外観検査用画像処理システム」という製品カテゴリが新設されました。公式のカテゴリ定義は次の通りです（製品カテゴリ一覧PDFより引用）。
「AI外観検査用画像処理システムとは、製造工程における目視検査をAI技術と画像処理技術により自動化・効率化する外観検査装置です。AIと画像処理機能を備えたインテリジェントカメラユニット（またはAI画像処理ユニット）、LED照明、レンズ、検査アプリケーション、検査装置などで構成され、製造工程内での異常検知や品質管理を効率化し、生産性向上に貢献します」（対象業種：製造業・卸売業／対象業務領域：検査／審査担当工業会：一般社団法人日本計量機器工業連合会）
カタログに登録されている個別の製品・メーカーは随時更新されるため、導入を検討する製品名で中小企業省力化投資補助金の製品カタログ検索（公式ポータル）を必ず確認してください。
デジタル化・AI導入補助金2026（旧：IT導入補助金）通常枠
クラウド型・SaaS型の外観検査AIソフトウェアが対象になり得る制度です。ただし対象経費はソフトウェア購入費・クラウド利用料が中心で、カメラ・照明等のハードウェアは対象経費に含まれない点に注意が必要です。
| 項目 | 内容 |
|---|
| 補助率 | 1/2以内（最低賃金引上げの要件を満たす場合は2/3以内） |
| 補助額 | 1プロセス以上：5万円以上150万円未満／4プロセス以上：150万円以上450万円以下 |
| 対象経費 | ソフトウェア購入費・クラウド利用料（最大2年分）が必須。オプションで機能拡張・データ連携ツール・セキュリティ・導入コンサルティング・保守サポート等 |
| 申請の前提 | 対象ITツールとして事務局に事前登録されている製品のみが対象。導入予定の外観検査AIソフトが登録済みか、公式の「ITツール検索」で確認が必要 |
ものづくり補助金（23次締切分）
カメラ・照明・PC・SIer構築費を含む設備投資一式が対象になり得る制度です。名称は「製品・サービス高付加価値化枠」「グローバル枠」に整理されています（旧来の「通常枠」「デジタル枠」という呼称は現行の公募要領には使われていません）。
| 申請枠 | 従業員規模 | 補助上限額 | 補助率 |
|---|
| 製品・サービス高付加価値化枠 | 1〜5人 | 750万円 | 中小企業1/2、小規模企業・小規模事業者及び再生事業者2/3 |
| 6〜20人 | 1,000万円 |
| 21〜50人 | 1,500万円 |
| 51人以上 | 2,500万円 |
| グローバル枠 | 従業員規模の区切りなし | 3,000万円 | 中小企業1/2、小規模企業・小規模事業者2/3 |
特例：大幅な賃上げに取り組む場合は補助上限額を100万〜1,000万円上乗せ。最低賃金の引き上げに取り組む場合は補助率を2/3に引き上げ（詳細は公募要領を参照）。外観検査AIの導入は「革新的な新製品・新サービス開発」または生産性向上を目的とした設備投資として申請することになります。
中小企業省力化投資補助金
カタログ注文型（審査なし・先着順）と一般型（オーダーメイド・審査あり）の2類型があります。
| 類型 | 従業員規模 | 補助上限額（賃上げ達成で括弧内に引上げ） | 補助率 |
|---|
| カタログ注文型（2026年3月19日制度改定後） | 5名以下 | 200万円（300万円） | 1/2以下 |
| 6〜20名 | 500万円（750万円） |
| 21名以上 | 1,000万円（1,500万円） |
| 一般型 | 5人以下 | 750万円（1,000万円） | 中小企業1/2（特例2/3）、小規模企業・小規模事業者及び再生事業者2/3 |
| 6〜20人 | 1,500万円（2,000万円） |
| 21〜50人 | 3,000万円（4,000万円） |
| 51〜100人 | 5,000万円（6,500万円） |
| 101人以上 | 8,000万円（1億円） |
カタログ注文型は前述の「AI外観検査用画像処理システム」等、カタログ登録済みの製品から選ぶ方式で審査がなく先着順です。一般型は個別現場に合わせたオーダーメイドの設備投資が対象で、事業実施期間は交付決定日から18か月以内です。両制度の使い分けはIT導入補助金と省力化投資補助金の比較ガイドも参考にしてください。
申請の流れと注意点
制度によって細部は異なりますが、外観検査AI・検品AI導入で補助金を活用する際の共通の流れは次の通りです。
1
GビズIDプライムアカウントを取得
いずれの制度も電子申請にGビズIDプライムが必須。取得に日数がかかるため早めに準備する
2
要件・欠陥定義を整理し複数社に見積もり依頼
前述の5要件を整理したうえで、項目別に分けた見積書を複数社から取得する
3
利用する制度を選び事業計画を作成
ソフトウェア中心ならデジタル化・AI導入補助金、設備一式ならものづくり補助金・省力化投資補助金を検討する
4
応募申請・交付申請
Jグランツ等の電子申請システムで応募し、採択後に交付申請を行う
5
交付決定通知を受け取ってから発注
交付決定前の発注・契約・支払いは補助対象外になるため、通知を待ってから発注する
6
導入・実績報告
発注書・請求書・納品書等を保管し、期限内に実績報告を行う
申請書類の作成そのものを専門家に依頼したい場合は補助金申請フローの完全ガイド、事業計画書の書き方は事業計画書の作成ガイドもあわせてご覧ください。
導入前確認チェックリスト
システム選定と補助金申請を並行して進める際に、見落としやすい項目をまとめました。
- 検査対象製品の種類・サイズ・素材・表面状態を整理した
- 検出すべき不良の種類（傷・欠け・汚れ・異物・寸法・印字等）を具体的に列挙した
- ライン速度・検査タクトの要件を現場と合意した
- 要求精度（見逃し率・誤検知率の許容値）を現場と合意した
- 教師あり型か教師なし異常検知型か、自社の不良サンプル数から方式の方向性を決めた
- 複数社に同一条件でデモ・PoC（実証試験）を依頼した
- 見積書を「AIソフトウェア費」「ハードウェア費」「SIer構築費」「学習データ構築費」「年間保守費」に分けて取得した
- 利用する補助金制度（デジタル化・AI導入補助金／ものづくり補助金／省力化投資補助金）を選定した
- GビズIDプライムアカウントを取得した
- 交付決定前に発注しない計画になっていることを確認した
よくある失敗と対策
外観検査AI・検品AIの導入でよく起きる失敗と、その対策を整理しました。
| よくある失敗 | 対策 |
|---|
| 価格の「目安」だけでメーカーを絞り込み、実際の見積もりと大きく乖離した | 目安の金額を鵜呑みにせず、必ず自社の検査対象で正式見積もりを複数社から取得する |
| 不良品サンプルが少なく、教師あり型の学習が進まなかった | 教師なし異常検知型（良品学習型）を選択肢に入れ、少量サンプルでも立ち上げやすい方式を検討する |
| 見積書が一式合算で、補助対象経費の区分ができなかった | 発注前に「AIソフトウェア費」「ハードウェア費」「SIer構築費」等を項目別に見積もってもらう |
| 交付決定前に発注してしまい、補助対象外になった | 公募スケジュールを確認し、交付決定通知を受け取ってから発注する |
| 現場の欠陥定義とベンダーの認識が食い違い、導入後に見逃し・誤検知が多発した | 導入前に不良品サンプル・許容基準を具体的にすり合わせ、PoCで検証してから本導入する |
本記事は技術方式・実在製品・補助金の公式値に絞って解説しました。あわせて次の記事もご覧ください。
自社に合った専門家をお探しの方は専門家一覧、直近の公募スケジュールは補助金の公募スケジュール一覧もあわせてご確認ください。
出典・参考情報
最終更新日: 2026年9月15日。補助率・補助上限額・製品カタログの登録状況は変更される場合があります。必ず各公式サイトで最新情報をご確認ください。本記事のシミュレーションはモデルケースであり、採択や補助額を保証するものではありません。
補助金の申請・手続きを専門家に任せる
補助金は申請書類の作成や事業計画の策定に専門知識が必要です。採択率を高めたい方は、申請代行・申請サポートの専門家への相談も有効です。
