結論から先に：マシンビジョンは「見える欠陥」（外観・静的）を、産業音響検査は「聞こえる欠陥」（内部・動的）を検出する。両者は代替ではなく補完の関係にある。異音や動的欠陥はビジョンでは検出できず、外観欠陥は音響では検出できない。
選定にあたっては、先に欠陥の種類を判断し、それから技術方式を当てはめる。逆ではない。
01 物理レベルで両者の境界を理解する
なぜビジョンは内部欠陥を見られず、音響は傷を見られないのか。答えは知覚媒体にある。
ビジョンは光の反射に依存しており、得られるのは被測定物表面の光学的情報だけだ。筐体内部に封じられたギアのかみ合い不良、モーター巻線の中に埋もれたターン間短絡は、外観上なんの表征も示さない。光が届かないのだから、カメラには当然写らない。
音響は振動の放射に依存しており、被測定物が動作しているときの動的情報を取得する。欠陥が物体の振動や発音特性を変化させる限り、音響はそれを知覚できる。それが物理的に全く見えない欠陥であっても、である。
逆に、表面の傷が動作状態に影響しないなら、それは特徴的な音響変化を生まない。したがって音響検査も同样的に無力だ。
一言でいえば：ビジョンは静的な形状を見、音響は動的な状態を聞く。
これが、両者がライン上で競合ではなく補完関係になる理由でもある。
02 10次元の完全比較
次元 | マシンビジョン検査 | 産業音響検査
検出対象 | 外観欠陥：傷、欠け、バリ、組立ズレ、印刷・ラベル誤り | 内部・動的欠陥：ベアリング異音、ギアかみ合い不良、モーター整流騒音、引っかかり、緩み、エアギャップ不均一
技術原理 | エリア／ラインスキャンカメラ＋照明、画像処理とディープラーニング検出・分類 | 近傍集音センサー＋音紋特徴抽出（FFT/MFCC）＋SVM/CNN音響判定
知覚能力 | 「表面」と「静的」のみ。遮蔽された内部構造は知覚不可 | 「音」すなわち運転状態を知覚。内部構造の問題は通常、特徴的な音紋変化を伴う
適用環境 | 照明・遮蔽に敏感。安定した照明環境と清浄な覗き窓が必要 | 工場の暗騒音に敏感。近傍集音とS/N処理が必要。照明条件は不問
1個あたり検査速度 | ミリ秒〜秒。視野・解像度・アルゴリズム複雑度に依存 | 1個あたり5秒以内でほとんどのラインタクトをカバー。収集時間が下限を決める
設備コスト（1ステーション） | カメラ＋照明＋産業用PC。総合コストは音響方案より高いことが多い | 集音センサー＋エッジ演算ユニット。ハードウェアは安価、主なコストはサンプルとモデル
導入期間 | 標準アルゴリズムライブラリが成熟。一般的な欠陥は2〜6週間で運用開始 | 実ラインのサンプル収集と学習が必要。初回ラインは通常4〜8週間
誤検知・見逃し制御 | 外観の誤検知は照明とアルゴリズム調整で制御可能 | 閾値＋確信度の二重体制。低確信度は人手レビューを経て学習へ還流し、継続的に低下
データとトレーサビリティ | 画像記録を保持。外観欠陥の追跡が可能 | 音紋波形記録を保持。再聴・再判定が可能で、内部欠陥の根本原因を追跡
ROIの目安 | 大量の外観検査に適し、目視検査を代替 | 異音・動的欠陥の全数検査に適し、聴音作業を代替し、流出によるクレームリスクを排除
03 欠陥帰属対照表
選定時に最も実用的な表だ。欠陥の種類から技術方式へ直接対応づける。
欠陥の種類 | 典型的な現れ方 | 帰属
表面の傷、打痕 | 外観として可視 | ビジョン
欠品、組付け忘れ、誤組付け | 構造の欠落または位置誤り | ビジョン
印刷・ラベルの誤り | 文字・図柄の異常 | ビジョン
寸法偏差、組立ズレ | 幾何的位置の異常 | ビジョン
ベアリング異音、摩耗 | 運転時の特徴的騒音 | 音響
ギアのかみ合い不良 | 周期的なかみ合い騒音 | 音響
モーター整流騒音、電磁鳴き | 高周波の特徴音 | 音響
引っかかり、阻滞 | 動作不良による音の変化 | 音響
組付けの緩み、隙間不均一 | 振動と音の異常 | 音響
エアギャップ不均一、動バランス不良 | 特定回転数での音響特徴 | 音響
グレーゾーン：両方で検出できる欠陥もあるが、信頼性は大きく異なる。例えば組付け不完全——外観として見える隙間が生じていればビジョンで検出できるが、内部の締付け力不足による異音だけであれば、音響に頼るほかない。
04 4ステップの選定判断
ステップ1：欠陥は「音」と直接関係するか？
ベアリング異音、ギアかみ合い、モーター整流、引っかかりや緩み——これらの動的欠陥はまず音響を選ぶ。
ステップ2：欠陥は外観表面にあるか？
傷、欠け、バリ、組立ズレ——これらの外観欠陥はまずビジョンを選ぶ。
ステップ3：現場環境は許容できるか？
・工場の騒音は大きいが近傍集音の条件がある → 音響
・安定した照明と清浄な覗き窓が必要 → ビジョン
ステップ4：予算と期間は？
・ハードウェア予算が限られ、4〜8週間のモデル学習を許容できる → 音響
・標準検査を迅速に立ち上げたい → ビジョン
05 併用：アセンブリ製品の完全な方案
シートモーター、ステアリングギア、コンプレッサーなどのアセンブリ製品には、「ビジョンで外観＋音響で異音」の組み合わせを推奨する。
投入 → ビジョンステーション（外観欠陥を排除）→ 音響ステーション（内部・動的欠陥を検出）→ 振り分け
ビジョンステーションが前段で外観不良品を排除し、音響ステーションが後段で内部・動的欠陥を検出する。2つのステーションで完全なオンライン全数検査のループが形成され、両系統の欠陥をカバーできる。
もうひとつの利点がある。ビジョンがある程度の不良品を先に除外することで、音響ステーションが扱うサンプルがより均質になり、誤報率もそれに応じて低下する。
06 実ラインでの検証
以下のデータは、納入済みのラインプロジェクトによる。
自動車部品：シートモーターの異音検出
ラインの不良率は0.3%、欠陥は運転時の異音として現れる。外観は完全に正常であり、ビジョン方案では検出できない。
音響方案を採用し、まず良品ベースライン学習で運用を開始（この時点では不良品サンプルは皆無）。3か月の運用で不良品30台が蓄積された後、教師あり学習へ円滑に移行した。見逃し率は0.5%から0.1%未満へ低下した。
この事例が典型的に示しているのは、欠陥が外観表征を伴わない場合、どれほど高度なビジョンアルゴリズムでも解決できず、知覚媒体を変えるしかないということだ。
07 4つのよくある誤解
誤解1：音響検査がマシンビジョンを代替する
しない。両者が知覚する物理量が異なり、能力境界は硬直的だ。同一ラインで併用はできても、どちらかがどちらかを代替することはない。
誤解2：音響検査は環境ノイズに敏感すぎて、ラインでは使えない
音響は確かに暗騒音に敏感だが、工学的に対処できる。近傍集音、指向性収集、S/N比強調である。
重要な行動は、方案設計段階で現場の音響実現性テストを実施すること——代表的な良品・不良品サンプルを収集し、対象欠陥の音紋と暗騒音の分離可能性を検証してから導入を判断する。この段階を飛ばして直接設備を導入することが、プロジェクト失敗の主な原因のひとつだ。
誤解3：ビジョンでできないことは、音響なら全部できる
成立しない。前提として、欠陥が知覚可能な振動または音の変化を生じる必要がある。完全に静止し、発音もしない部品欠陥は、音響でも同样に解決できない。
誤解4：音響検査には大量の不良品サンプルが必要
これは初期の方案の制約であり、現在は成熟した対処法がある。良品ベースライン学習（One-Class学習）により、良品サンプル最小30件で正常な音紋ベースラインを構築でき（頑健な境界には50件を推奨）、「正常からの逸脱」に対して一括して警報を発する。不良品サンプルがゼロでも運用を開始できる。
おわりに
選定の出発点は「どちらの技術がより先進的か」ではなく、「欠陥の物理的表征は何か」である。
欠陥が外観的なものか動的なものか、静的なものか運転時のものか。まずそこに答えれば、技術方式の選択は自然に浮かび上がる。
多くのアセンブリ製品にとって、最終的な答えは二者択一ではなく両者の組み合わせになる。ビジョンが見えるものを、音響が聞こえるものを管轄し、合わさって初めて完全な品質防線となる。
本稿の技術比較データは、公開されている製品パラメータと納入済みプロジェクトの実測に基づく。