産業用視覚検査は、現代産業における設備の保守および点検において不可欠な要素である。近年の深層学習の進展に伴い、スマート産業応用向けに高度な産業オブジェクト検出器が開発されている。しかし、深層学習手法はデータ量に依存する傾向が強く、データ収集およびラベル付けのプロセスは人的労力と時間を要するという課題がある。特に、産業現場ではオブジェクトの多様性や機密性のため、公開データセットの収集は実用的ではない。本論文では、産業用視覚検査の自動化に取り組み、弱教師付きの視覚データからオブジェクト検出器を学習するためのセグメンテーション・アグリゲーションフレームワークを提案する。本手法で使用する最小限のラベルは、バウンディングボックスを伴わない画像レベルのカテゴリラベルである。提案手法は、収集した絶縁子画像データおよび公開のPASCAL VOCベンチマーク上で実装・評価され、その有効性が検証された。実験の結果、本モデルは高い検出精度を達成でき、最小限のラベル付けコストで産業現場における自動視覚検査に応用可能であることが示された。