既存の画像異常検知モデルは，正常画像群との特徴類似性に基づき異常度を推定するため，周囲環境の変動に大きく影響を受けやすいという課題がある．本研究では，人手による部品組立工程における周囲環境の変動に対してロバストな論理的異常検知手法を提案する．物体検出モデルを用いて異常に関わる領域を画像から抽出し，座標やサイズ等の空間的特徴量に変換した上で，特徴量空間において異常度を評価する手法を構築した．実験では，部品の取り付け忘れや誤取り付けといった論理的異常を持つ5種類の部品すべてにおいて，代表的な深層学習ベースの画像異常検知手法と比較して，10%以上の性能改善を確認した．