製品形状分類AIの開発事例を紹介

製品形状を確認、分類する作業は様々な場面で実施されていますが、人の目によるチェックでは熟練者とそうではない人の差が出たり、見落とし・ミスが生じてしまったりする恐れがあります。しかし、AI画像認識システムの活用でこれらの課題を解決できる可能性があります。ここでは製品形状分類AIを実際に導入した事例についてピックアップして紹介します。

空輸する荷物のX線検査に導入した事例

引用元：株式会社日立ソリューションズ（https://future.hitachi-solutions.co.jp/digital/ai/cases/）

導入前の課題：開封できない荷物にある航空禁止物のチェックが困難だった

段ボールに入った宅配荷物はX線検査で中身を確認しますが、いくつも重なっていると正確に内容を把握することが困難でした。訓練された検査員がチェックしますが見逃すリスクもありますし、ネット販売普及による荷物増加で検査員の負荷も増えている状況でした。

導入後の成果：ディープラーニングで判定精度をアップして検査員の負担が軽減

形状判定技術をディープラーニングで製品化し、重なっているシルエットでも航空禁止物の有無を判定できるようになりました。訓練を受けた検査員と同等の精度での検出が可能となり、検査員とのダブルチェックによって見逃しを15％ほど低減。検査員が認識する作業時間や再撮影・検査時間も短縮できたことで業務効率化につながっています。

Amazon

引用元：Amazon（https://www.aboutamazon.jp/news/delivery-and-logistics/5-ways-amazon-is-using-ai-to-improve-your-holiday-shopping-and-deliver-your-package-faster）

導入前の課題：多種多様な商品に対して仕分けをする手間がかかっていた

Amazonの倉庫には何億種類によも及ぶ多種多様な商品があり、それを人手でチェック、仕分けをするのは時間も手間もかかります。特にブラックフライデー前は多くの注文があり、需要にこたえるための効率化が課題でした。

導入後の成果：より迅速に商品発送が可能になった

マシンビジョン搭載のAIロボットを活用することで、カメラで撮影した商品画像を分析し形状や色、動きなどを判断。商品がトラックに積み込まれて最終拠点に運ばれる前の商品仕分けをサポートしており、箱の大きさ、柔らかい梱包、封筒など様々な商品を認識した上で取るべき商品を決め、持ち上げる吸盤の数を選択して商品をつかみます。このようなロボットの働きにより倉庫内で働く作業員をサポートしています。

鎌田醤油株式会社

引用元：株式会社ブレイン（https://corp.bb-brain.co.jp/knowledge/01/）

導入前の課題：商品出荷ミスをどうにかしたかった

目視によるダブルチェックをしていても商品の出荷ミスが発生しており、ミスが起こるたびに時間と労力がかかってしまっていました。商品ラインナップが多岐にわたっており、目視によるチェックでは限界がありました。

導入後の成果：出荷ミスが減り作業効率もアップ

繁忙期のミスやエラーがなくなり、作業員の心的負担も減少しました。また、目視では10秒かかっていた作業が一瞬で終了するため作業効率もアップし、年間900時間かかっていた検品作業が30時間にまで減少しています。検品は撮影したデータが保存されるため正しく出荷されたかどうかを確認できるようになり、顧客への信頼も高まりました。今後は見栄えの良さ、並び順などのチェックができるよう範囲を広げていきたいと考えています。

製品形状分類AIを開発する方法

機械学習プラットフォームを利用

例えばGoogle Cloudの「Vertex AI」などの機械学習プラットフォームを利用する方法が考えられます。この場合、製品の種類ごとにフォルダ分けした写真をクラウドにアップロードすることによって、形状の違いをAIが自動的に学習し、仕分けルールを作成できます。こちらの方法を利用する場合には、プログラミングなどをする必要がなくWebブラウザ上の操作のみで進められるため、短い期間で品種を識別するシステムを構築したいケースに向いているといえます。

ディープラーニング開発ツールを利用する

GUIベースのディープラーニング開発ツールを利用する方法もあります。ツールの例として、ソニーの「Neural Network Console」などが挙げられます。こちらのツールは、直感的な操作でディープラーニングのモデル構築や評価ができ、主に画像分類などを行えます。プログラム初心者でもディープラーニングを取り入れることができるというメリットがあります。

ライブラリを使用し独自のプログラムを開発

Meta社の「PyTorch（パイトーチ）」などのライブラリを使用することにより、独自の分類プログラムを開発するという選択肢も考えられます。この方法の場合、通常の平面画像では難しいような高度な形状認識にも対応することができるなどさまざまなニーズに対応できる点が大きなメリットであるといえます。ただし、プログラミングの知識や立体データに関する数学的な処理、高度なAIモデルの設計が求められる方法であることから、専門の企業に委託することが推奨されます。

画像解析AI開発ツール・プラットフォームの料金・機能比較

ここでは、クラウドやオンプレミスなどのタイプ、料金、主な対応業界などの詳細情報を公式HPに掲載している画像解析AI開発ツール・プラットフォームをピックアップして比較します。

▼左右にスクロールできます▼

	Bind Vision （キヤノンITソリューションズ） 引用元：キヤノンITソリューションズ公式HP （https://www.canon-its.co.jp/solution/industry/cross-industry/image-integration/bindvision/brand） 公式HPへ 資料DL 無償デモ相談	OPTiM AI Camera Enterprise （OPTiM） 引用元：OPTiM AI Cameraシリーズ公式HP （https://www.optim.co.jp/optim-ai-camera/） 公式HPへ 資料DL 無償デモ相談	オールインワン AI画像解析パッケージ （大塚商会） 引用元：大塚商会公式HP （https://www.otsuka-shokai.co.jp/products/ai-iot/ai-camera-analysis/） 公式HPへ 資料DL 無償デモ相談
タイプ	クラウド	オンプレミス/クラウド （選択可）	オンプレミス
基本料金	初期費用：なし 基本プラン：3万円/月	初期費用：66万円※1	導入費：440万円～
導入までの期間	即時 （契約後すぐに使用可能）	最短約6週間	― （公式HPに記載なし）
トライアル	有り （1か月無償で使用可能）	― （公式HPに記載なし）	― （公式HPに記載なし）
API	Web APIでプログラムを 問わず、連携可能　※2	APIで既存アプリ、 システムとの連携が可能	― （公式HPに記載なし）
主な対応業界	製造業/防災事業者/自治体	小売業/交通機関/医療業界	建設業/小売業/製造業

【選定条件】
「画像解析AI開発ツール」とGoogle検索して上位表示されるAI開発ツール30社のうち、クラウドorオンプレミスでのプラットフォームを提供している製品をピックアップし、
公式HPに導入費用などの価格掲載があるソフトの情報を掲載しています。
※1.OPTim Edge Entryの場合、カメラ5台まで処理可能。
※2.煙検出AIの場合、1セット＝45,000回/月の実行回数。
（2025年3月5日調査時点）

【まとめ】製品の形状分類はAIで効率よく行える

人の目によるチェックで商品形状を分類するのは、手間や時間もかかりますしミスが起こる可能性もあります。しかし、AI画像認識を活用すれば疲れることなく、製品の形状分類を自動で実行可能です。ミスが減り、従業員の作業時間も軽減するなど業務効率化にもつながるため、商品分類に課題を抱えている企業は一度検討することをおすすめします。