画像認識システムの開発｜活用事例と費用感

01はじめに｜この記事でわかること

要点： 目視や手作業をカメラに置き換えたい中小企業の方に向けた記事です。画像認識システムの開発で何ができて、どこで止まるのか。費用と期間はどのくらいか。社内で先に決めることは何か。順にご説明します。

「うちの検査も、カメラで自動化できませんか」。ここ2年ほど、こうしたご相談が増えました。写真を撮れば良品か不良品かがわかる。技術としては、もう手の届くところまで来ています。

ただ、動き出した現場と止まった現場では、差が出るのは技術ではありませんでした。2000年創業のWeb制作・システム開発会社であるZenWeb Japanとしてご相談を受けるなかでも、止まる場所は同じです。判定できなかった画像を、誰がどう扱うか。ここを決めずに作り始めた案件が、試験運用で止まります。

先に言葉を整理しておきます。画像認識システムは、撮る・判定する・記録するの3つでできています。

• 撮る。固定カメラ、スマートフォン、スキャナ、検査装置。何で撮るかで、あとの精度がほぼ決まります。
• 判定する。写っているものが何か、良品か不良品かを返します。学習済みのクラウドサービスを使う場合と、自社の画像で学習させる場合があります。
• 記録する。判定結果を、日時・担当者・現物の番号とともに残します。人が確認した記録も一緒に残します。

ZenWeb Japanがお手伝いするのは、主に2つめと3つめです。判定の仕組みを研究するのではなく、すでにあるものをWebシステム開発の一部として業務の流れに組み込みます。紙の帳票が中心なら、AI OCRで紙の業務をデジタル化する進め方から検討したほうが早く済みます。

この記事では活用事例と費用感を先に押さえ、判定の線引きと運用の設計まで踏み込みます。まず全体像をつかみたい方は、以下の動画もご覧ください。

02相談の内容別｜開発まで進んだ割合

要点： 画像認識のご相談のうち、開発まで進むのは文字の読み取りと照合が中心です。目視検査の置き換えと、人の動きを追う用途は、相談は多いものの止まる割合が高くなります。理由は画像の枚数と、写る人への配慮です。

いただいたご相談を内容ごとに並べると、着手できたかどうかで、はっきり差が出ました。

読み取りと照合が進みやすいのは、答え合わせができるからです。伝票の数字もラベルの型番も、正解が手元にあります。

いっぽう外観の検査は、そもそも不良品が少ないのが難点です。月に数個しか出ない不良では、学習用の画像が集まりません。人の動きを追う用途では、技術より先に、写る人への配慮が課題になります。

03活用事例｜現場で動いている4つの使い方

要点： 中小企業で動いている使い方は、派手なものではありません。出荷前のラベル照合、現場写真の仕分け、棚の欠品チェック、部品の外観検査。どれも、いま人が目で確かめている作業をそのまま置き換えています。

実際に稼働している使い方を4つご紹介します。特定の企業がわかる書き方は避け、よくある形にまとめました。

• 出荷前のラベル照合。梱包した箱のラベルを撮ると、注文内容と合っているかをその場で返します。違えば画面が赤くなります。誤出荷の連絡が減りました。
• 工事写真の自動仕分け。現場で撮った数百枚を、工種と部位で振り分けます。夜に事務所でやっていた整理が、その日のうちに終わります。
• 棚の欠品チェック。店舗の棚をスマートフォンで撮ると、欠けている段と商品を返します。担当者による判断のばらつきが小さくなりました。
• 部品の外観検査。固定した台の上で撮り、キズや欠けの疑いがあるものだけを人の検査に回します。全数を見る形から、疑わしいものだけを見る形に変わりました。

4つに共通するのは、判定を最終決定にしていない点です。一次の振り分けを任せ、最後は人が決めます。もう一つは判定結果の行き先で、画面に出して終わりではなく、在庫や工事台帳、検査記録として残します。業務システムの開発と切り離せないのは、このためです。

04工程別｜開発期間はどこに使われるのか

要点： いちばん時間を使うのは、判定の作り込みではありません。画像を集めて正解を付ける作業です。全体のおよそ4割がここに消えます。判定の調整で手間取って見えるときも、原因は画像の不足であることがほとんどです。

期間が3〜6か月かかった案件の内訳です。工程ごとにならすと、時間の使われ方がはっきりします。

契約してから画像を集め始めると、最初の1〜2か月は開発が動きません。ご相談の段階から現場のスマートフォンで撮りためておくだけで、着手が早まります。

正解を付ける作業も、外には出しにくい仕事です。判断できるのは、その現場の方だけだからです。誰がいつ何枚を見るのかは、要件定義の段階で決めておきます。

05費用感｜規模別の目安と、金額が動く条件

要点： 画像認識システムの開発費用は、学習済みのサービスなら初期30万〜80万円、自社の画像で学習させて業務システムにつなぐなら150万〜500万円が目安です。検査装置と連動させる場合は500万円からです。判定の難しさより、撮影環境と連携先の数で動きます。

3つの段階に分けると、見積りの幅がつかみやすくなります。どれが正解ということはなく、置き換えたい作業で決まります。

金額が動く条件は、だいたい決まっています。お問い合わせの前に次の5つをメモしておいていただけると、見積りが早く出ます。

1. 撮影の環境。固定した台と照明があるか、手持ちか。ここが一番効きます。
2. 画像の枚数。手元に何枚あるか。ゼロから集めるなら、その期間も費用に入ります。
3. 判定の種類。区分けだけか、位置まで返すか、文字を読むか。
4. つなぐ先。既存システムに書き込むかどうか。連携先が増えるほど上がります。
5. 拠点の数。1拠点で始めるか、最初から複数で使うか。

ZenWeb Japanでは料金を一律にしていません。撮影環境が整っている現場と、台と照明から用意する現場では工数がまったく違うためです。上の5つをお聞きしたうえでお見積りをお出しします。

06判定の線引き別｜自動で流れた割合と、人が見た件数

要点： どのくらい自信があれば自動で通すか、線引きは自分たちで決めます。厳しくすれば見逃しは減りますが、人が見る件数が増えます。緩くすれば人の手は空きますが、見逃しが出ます。最初は厳しめが安全です。

この線引きは、専門用語でしきい値と呼ばれます。設定ひとつで現場の負担が大きく変わります。実際に比べた結果が次のとおりです。

おすすめは、厳しめで始めて3か月かけて中間まで寄せる進め方です。最初から緩めにすると、見逃しが現場の信用を落とします。一度「当てにならない」と思われると、設定を直しても使ってもらえません。

最初の3か月は、人の確認が380件あってちょうどいい。減らすのは、現場が仕組みを信用してからです。

07外したときの受け止め方を、先に決めておく

要点： 画像認識は必ず外します。大事なのは、外したときに誰が気づき、誰が直し、どこに記録が残るかです。この受け皿を作らずに導入すると、判定を信じた作業が、そのまま不良や誤出荷としてお客様に届いてしまいます。

「精度は何%出ますか」とよくご質問をいただきます。撮り方と対象で変わるため、事前には申し上げられません。仮に99%でも、100件に1件は外れます。1日1,000件を流す現場なら、毎日10件です。

ですから設計で決めるのは、精度ではなく外したあとの流れです。次の4つを開発の前に決めておきます。

• 「わからない」を返せるようにする。白黒に振り分けず、迷った分は保留にして人に回します。
• 誰がいつまでに見るかを決める。その場の作業者か検査担当か、出荷前か翌日か。ここで画面の作りが変わります。
• 直した記録を残す。人がどう直したかを残すと、次の学習に使えます。ここを残さない現場は、いつまでも精度が上がりません。

確認画面は、あとから直すと手直しが大きくなります。紙に描いて現場の方に見てもらう段階を、必ず挟んでください。進め方はワイヤーフレームの作り方で解説しています。

この考え方は画像認識に限らず、答えを返すAIを業務に入れるときの共通の作法です。文章で答える仕組みはAIチャットボット導入の費用と社内活用の範囲でも同じ整理をしました。

08稼働からの月別｜判定件数と人の確認件数の推移

要点： 稼働した直後は、人が確認する件数がいちばん多くなります。そこから半年ほどかけて、半分近くまで下がります。効果が出るのは初月ではありません。この見通しを先に共有すると、社内の評価がぶれません。

1拠点あたりの推移です。判定件数が増えるのは、使う工程が少しずつ広がるためです。

注目していただきたいのは、1か月目の620件です。導入したのに人手が減らないと感じる時期が、ここにあたります。この山を越えられずに元へ戻る現場も少なくありません。

この山は、設定の見直しを繰り返すと下がります。1か月目に9回、3か月目に4回。この手直しを前提に体制を組めるかどうかが、半年後の差になります。業務システム開発のメンテナンスと同じ考え方です。

09撮る環境を整えるほうが、判定を直すより早い

要点： 判定が安定しないとき、原因の多くは撮り方にあります。明るさ、角度、距離、背景。この4つをそろえるだけで、学習をやり直さずに結果が変わります。費用も照明や固定台のほうが安く済みます。

試験運用で精度が出ないとき、まず見るのは画像そのものです。並べてみると、たいてい理由が見つかります。

• 昼と夜で明るさが違う。窓際の作業台は、朝と夕方で写り方が変わります。照明を1つ足すだけで安定します。
• 角度がばらばら。手持ちで撮ると、人によって傾きが変わります。スマートフォンを置く台があれば解決します。
• 距離が一定でない。寄りすぎ引きすぎで、同じ製品が別物のように写ります。
• 背景に別のものが写る。隣の製品や作業者の手が入ると、判定が引っ張られます。無地のシートを敷くだけで変わります。

この4つを整える費用は、多くの場合で数万円から十数万円です。学習をやり直すより安く、早く効きます。「AIの性能を上げてほしい」とご要望をいただいたとき、まず撮影環境をご提案するのはそのためです。

撮り方を決めたら、手順書にして現場に貼っておきます。担当者が替わると、また角度がばらついてしまうからです。

10人が写る画像の扱い｜先に決めておく3つのこと

要点： 店舗や現場のカメラには、お客様や従業員が写ります。この場合は、撮る目的を事前に知らせること、保存期間を決めること、見られる人を限ることの3つを先に決めます。技術の前に、社内の合意が要る部分です。

棚の欠品を見るカメラにも、買い物中のお客様は写ります。作業台のカメラにも、従業員の手や顔が入ります。ここを曖昧にしたまま進めると、稼働の直前で止まります。

IoT推進コンソーシアム・総務省・経済産業省のカメラ画像利活用ガイドブックには、生活者のプライバシーに配慮するための考え方が整理されています。あわせて公表された事前告知・通知に関する参考事例集には、掲示や案内の出し方が例つきで載っています。社内の説明にも使えます。

実務として決めておくのは、次の3つです。

1. 知らせ方を決める。入口の掲示か、サイトでの案内か。何のために撮るのかを短い言葉で書きます。
2. 保存の期間を決める。判定結果だけを残し、画像は短期間で消す設計にできないか検討します。
3. 見られる人を限る。誰がどの画像を開けるのかを権限として設定し、開いた記録も残します。

顔の特徴を数値にして人物を見分ける使い方は、扱いがさらに重くなります。混雑の把握が目的なら、人数だけを数えて画像を残さない作り方もできます。何を残さないかを先に決めてください。

社内のルールは、生成AI社内利用のルール作りと同じ枠組みで整えると定着します。外部に委託するときの画像の扱いは、オフショア開発のセキュリティ対策もあわせてご覧ください。

11進め方｜小さく試して広げる5つの手順

要点： 画像認識システムの開発は、1つの作業と1つの拠点に絞って始めます。手元の画像で判定できるかを確かめ、撮り方をそろえ、確認画面まで作って3か月動かす。この順番なら、途中で止まっても損失が小さくて済みます。

ご相談から本格運用までの流れです。全体で半年から1年を見ておくと安心です。

1. 置き換える作業を1つ決める。いま人が目で確かめている作業のうち、判定できれば次の工程が止まらないものを選びます。所要は1〜2週間です。
2. 手元の画像で確かめる。現場にある写真を200〜300枚集めて試します。難しいと分かれば、費用をかけずに引き返せます。所要は2〜4週間です。
3. 撮り方をそろえる。照明、固定台、角度、背景を決めて、手順書にします。所要は2〜4週間です。
4. 確認画面まで作って組み込む。判定の結果を業務システムに記録し、保留になった分を人が見る画面まで用意します。所要は1〜3か月です。
5. 1拠点で3か月動かす。線引きと手順を直しながら運用し、落ち着いてから他の拠点へ広げます。

2番目で引き返せるようにしておくのが要点です。いきなり装置を買ってから「判定できませんでした」となると、戻れません。この一手間が、いちばん大きな保険になります。

体制も早めにご相談ください。ZenWeb Japanでは日本側の窓口が要件を整理し、ベトナムオフショア開発の体制と組み合わせて、費用を抑えながら進める形もご用意しています。

12まとめ｜1つの作業から、小さく始める

要点： 画像認識システムの開発は、判定の精度では決まりません。撮り方をそろえ、保留を人が拾う流れを作り、1拠点で3か月動かす。この3つができていれば、半年後に確認件数は減っていきます。

もう一度、短くまとめます。正解が手元にある作業から選ぶ。期間の4割は画像集めに使うと見込む。線引きは厳しめから始め、記録を見ながら緩める。人が写るなら、知らせ方と保存期間を決めておく。

費用は、学習済みのサービスなら初期30万〜80万円、自社の画像で学習させて業務システムにつなぐなら150万〜500万円が目安です。まずは手元の画像を200枚集めるところから、始めてみてください。

13よくある質問

1. 画像認識システムの開発費用は、どれくらいかかりますか？

学習済みのサービスをそのまま使うなら初期30万〜80万円、自社の画像で学習させて業務システムにつなぐなら150万〜500万円が目安です。検査装置と連動させる場合は500万円からです。金額を動かすのは判定の難しさではなく、撮影環境とつなぐ先の数です。

2. 学習には、画像が何枚くらい必要ですか？

まず試すだけなら200〜300枚から始められます。良品と不良品を見分ける場合は、不良品の画像が何枚あるかが問題です。数十枚しかないときは、不良の種類を絞るか、良品との違いを見つける作り方に切り替えます。

3. 精度はどのくらいまで上がりますか？

撮り方と対象で変わるため、事前に数字はお約束できません。仮に99%でも、1日1,000件なら毎日10件は外れます。精度を追うより、外れた分を誰がいつ確認するかを先に決めてください。受け皿がある現場のほうが、運用は安定します。

4. 自社で作るのと、開発会社に依頼するのはどちらがよいですか？

判定を試すところまでは、クラウドのサービスを使えば社内でも進められます。分かれ目は、結果を業務の記録として残し、既存システムにつなぐ段階です。権限の設計や連携が必要になるため、開発会社に依頼したほうが早く、メンテナンスも続けやすくなります。