【要約】【Autodesk Fusion × P外観検査AIの学習データを想定し、コンベヤー上のワークをランダム配置して自動撮影する（Part 2） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
開発者が、AI外観検査の精度向上を目指し、CAD上でのシミュレーション環境構築に取り組んだ際、以下の問題に直面した。
- ・従来のカメラ移動型スクリプトでは、固定カメラによる実際の検品ラインの挙動を再現できない。
- ・正投影（Orthographic）では、現実のレンズ特有のパース（歪み）が欠落し、学習データの質が低下する。
- ・手動での画像収集は、製品の角度や位置のバリエーションを網羅するには極めて非効率である。
// Approach
開発者は、現場の光学条件をより忠実に再現するため、以下の3つの手法を組み合わせて実装した。
- ・Matrix3Dを活用し、ボルトの3次元的な位置と回転をループごとにランダム化。
- ・カメラを真上に固定し、透視投影（Perspective）を採用して現実のレンズに近い見え方を再現。
- ・viewAngleを調整することで、望遠や広角といった画角の制御を実現。
- ・adsk.doEvents()を呼び出し、描画更新を強制することで、撮影時の画像不整合を防止。
// Result
この実装により、検査エンジニアは以下の成果を得ることが可能となった。
- ・カメラ位置を一定に保ちつつ、ワークの配置バリエーションを網羅した画像を自動量産。
- ・現実のレンズに近いパースを含む高品質なデータセットにより、実機への適用精度が向上。
- ・手動での撮影作業を排除し、AI学習用の基礎データセット構築のリードタイムを大幅に短縮。
- ・これにより、製造現場のデジタルツインとしての精度が向上し、実運用に近い環境での検証が可能となった。
Senior Engineer Insight
> 本手法は、データ拡張をCAD空間で完結させる優れたアプローチである。特に透視投影の採用は、実機への転移学習におけるドメインギャップを埋める上で極めて実践的だ。ただし、APIとGUIの状態不整合によるエラーは、自動化パイプラインにおける脆弱性となる。実運用では、スクリプト実行前にGUI側のカメラ設定を強制的に同期させる、あるいはエラーを捕捉してリトライする堅牢な設計が求められる。