AI画像認識の選び方｜CNN・YOLO・ViT・VLMの役割と製造業での評価

AI画像認識を選ぶ際は、モデルの名称より先に「画像から何を取り出し、誰が何を判断するか」を決めます。画像の分類、対象の位置検出、文字の抽出、画像についての説明では、必要な出力と評価方法が違います。本稿では公開された原論文・公式解説の範囲と、製造現場で検証するための整理案を分け、導入前にそろえる条件を説明します。

画像認識は、業務の問いと必要な出力を分けて考える

「写真をAIで読む」という要望だけでは、完成した結果を受け入れられるか判断できません。画像全体に種類を付けたいのか、複数の対象の位置を知りたいのか、図面の文字を項目へ登録したいのかを分けます。さらに、候補を担当者へ示す工程と、製品の良否や設備の操作を確定する工程を区別します。出力が自然な文章であっても、画像の内容と業務上の判断が正しいと確認できたことにはなりません。

検討する処理	欲しい出力の例	業務で追加して確認すること
画像の分類	製品や状態の候補ラベル	どの分類を付けたか、対象外や判断不能をどう扱うか
物体の検出	対象の位置と種類	対象の数、位置の対応、見落としや重複
領域の抽出	確認したい部分の範囲	境界と対象部分、後工程で必要な範囲との一致
文字・項目の抽出	文字列と図番・数量などの項目	原記載との対応、単位・版、登録先の項目との関係
画像と言語を扱う処理	説明文や質問への回答	画像にある根拠、推定、未確認事項の区別

この表は本稿の要件整理案です。一つの製品がすべての処理を提供するという機能表ではありません。例えば、傷の候補を囲む検出と、傷の範囲を塗り分ける処理では、正解として準備する情報が異なります。製品一個を数えるのか、一枚の画像や一か所の傷を数えるのかも先に定義します。画像に製品が複数写っている場合に、画像単位の成功と製品単位の成功を混同しないためです。

図面では、文字を読めても、その寸法がどの部品を指すか、どの改訂が承認済みかまで自動で確定したとは扱いません。原図の記載、別資料から補った値、AIの推定を分け、担当者が元のページや位置へ戻れる形を検討します。写真でも、写っていない面や内部の状態まで分かったことにしないよう、対象と範囲を受け入れ条件へ記録します。

最初の成果物は、入力例、必要な出力、判定する担当、結果を渡す先の一覧にすると整理しやすくなります。既存の目視や検索で解ける部分も残し、AIを使う理由と確認の負担を比較します。処理を導入した件数ではなく、必要な情報が確認されて次の担当へ届いたかを評価の終点に置きます。これは共通の法定書式や、業界で一律に求められる手順を示すものではありません。

CNN・YOLO・ViT・VLMは、仕組みと処理の役割をそろえて比較する

CNN、YOLO、ViT、VLMは、同じ階層で並べれば一つを選べる四製品という関係ではありません。画像を処理する仕組み、特定の検出手法、画像と言語を扱うモデルの呼び方が混在しています。名称だけで、用途、追加学習の要否、速度、費用や業務への適合が決まるとは考えず、実際の実装・入力・出力条件に戻って比較します。

IBMのCNN解説は、畳み込みのカーネルを用いて局所的な特徴を捉える仕組みと、画像分類・認識への用途を説明しています。ここでは画像処理の基本構造を理解する資料として参照します。CNNであることだけを理由に、あらゆる対象で低費用・高速になる、あるいは他の構造より常に精度が低いとは判断しません。

2015年に初版が公開されたYOLOの原論文の要旨は、画像全体から境界ボックスとクラスの確率を一度の評価で予測する検出の考え方を示しています。これは当時の研究の説明です。論文にある速度や実験結果を、現在YOLOという名称を使う全実装、自社のカメラや計算機の性能へ置き換えません。利用する実装の版、契約・利用条件、対応する入力と運用方法は別に確認します。

2020年公開のViT原論文の要旨は、画像をパッチの列として扱い、Transformerを画像分類へ適用する考え方を説明しています。大規模データを使った研究条件を離れて、ViTなら少数の自社画像でも必ず高精度になるとは言えません。比較する場合は、学習や調整に使えるデータと、評価対象の製品・撮影条件をそろえます。

画像と言語を扱う研究例として、2022年公開のBLIP原論文は、画像検索、説明文生成、画像に関する質問応答などを扱っています。このような説明・回答の出力と、検出位置や良否の判定は別の評価対象です。文章が読みやすいことを、部品・数量や欠陥の判断が正しいことの代わりにしないようにします。

本稿で参照した論文は要旨の説明範囲であり、全文・コードを使った再実験や、現行製品の順位付けではありません。候補を比較する表には、名称だけでなく、対象処理、入力形式、調整用データ、評価用データ、処理環境、出力と人の確認方法を記載します。同じ名称でも構成や条件が違えば結果は異なるため、実際に採用する構成で検証し、未確認の条件を残します。

全体の正解率だけで判断せず、見逃しと誤検出の単位を確認する

製造業の画像評価では、良品を正しく扱うことと、不良や異常を見逃さないことの両方を見ます。対象の偏りがあると、全体の正解率だけでは重要な失敗が見えにくくなります。検証前に、何を正解とし、どの失敗を重く見るかを担当者とそろえ、対象外、判定不能、入力の不備も区別して記録します。後から都合のよい成功例だけを抜き出す比較にしないことが大切です。

AWSのCustom Labels評価指標の説明では、適合率は検出した対象のうち正しく検出できた割合、再現率は本来の対象のうち検出できた割合として整理されています。F1は両者を組み合わせる指標です。全体とラベル別の結果、画像や検出対象の単位を分けて見る説明もあります。本稿では評価の考え方を参照し、同製品の設定や閾値を全サービス共通の合格基準にはしません。

確認する観点	残す記録	判断時の注意
見逃し	正解に存在するのに検出できなかった対象	欠陥の種類や撮影条件ごとに確認する
誤検出	対象がないのに通知した候補	再確認やライン対応の負担と合わせて見る
位置・範囲	正解と予測を対応付けた方法	画像・製品・欠陥の分母を混ぜない
判断不能	入力不足や対象外、確認へ戻した理由	成功にも、問題なしにも自動で含めない
業務での完了	確認・修正・受け渡しと処置の結果	検出した件数と、対応できた件数を分ける

この表は評価項目の提案です。信頼度の値や閾値を、そのまま自社での正解率と読み替えないようにします。閾値を変更したら、同じ評価対象に対する見逃しと誤検出、確認負担がどう変わったかを比較します。ラベルの定義や対象の位置を一致とする条件を変えた場合も、指標の値だけを以前と並べず、変更した前提を示します。

データには、通常の製品だけでなく、実運用で扱う照明、角度、品種、ロット、汚れやまれな欠陥などの条件を対応付けます。調整に用いた画像と評価に使う画像を区別し、同じ製品の近い画像が双方に入っていないかも点検します。確認できていない条件は適用範囲に含めず、新しい品種や撮像条件へ広げる際に再評価します。

品質情報の参照、外観検査、設備保全と図面業務の違いは、製造業AIの品質・保全・図面・見積もりへの活用ガイドで整理しています。画像からの候補検出と、原因の特定や製品の出荷判断を分け、結果を受けた現場の確認・処置までつなげて検討できます。

本番導入は、撮像から人の確認・登録・更新までを一つの業務として設計する

検証で結果を出せても、本番で同じ入力が継続して得られ、担当者が確認できるとは限りません。カメラや画像の収集元、保存場所、対象の識別番号、撮影時点、参照できる担当を整理します。持ち出せる画像と利用範囲、モデルの調整や外部サービスへ渡すデータも確認します。個別の法的適合性や保安・検査上の最終判断は、実際の条件を担当専門家と確認する工程に残します。

確認画面には、元画像、候補、判定不能や推定であること、修正と確定の記録を対応付けます。通知を出した後は、誰が受け取り、処置を判断し、どこへ登録するかを決めます。送信がタイムアウトした場合も、未登録と決めて同じ処理を繰り返さず、登録先の状態と受付結果を確認する流れを設けます。検出モデルの成功と、業務の登録・処置が完了したことを別に追える構成にします。

図面の文字や項目を整理して確認する用途なら、renueの図面AIの公開範囲と対応します。項目の抽出・構造化、検索、人が確認・修正する画面、実図面での相談や個別連携の条件を確認できます。ここで案内するのは図面情報を扱う部分です。工場カメラの外観検査装置や任意の画像認識モデルを、一式で提供・保証しているという意味には広げません。

確認済みの結果を既存の台帳や業務システムへ渡す実装では、FDEによる要件整理・設計・実装・運用支援へ相談できます。現在の入力、権限、データ形式、確認担当、登録先と実行結果を整理し、API等の利用条件やセキュリティ条件を含めて範囲を合わせます。設備の安全制御、専門的な検査認定、医療判断や全システムへの接続を一律に保証する案内ではありません。

費用の比較には、モデルやサービスの利用料だけでなく、撮像・収集、正解データの作成、確認・修正、連携、保存、教育、更新と再評価を含めます。処理一回の料金と、必要な品質で業務を完了する費用は分けます。削減時間を金額へ換算した値を、そのまま現金支出の削減や投資回収の確定額とは扱いません。対象範囲と成果物がそろった条件で見積もります。

運用開始後も、入力や判定結果の変化、確認へ戻る件数、処置の完了、担当者の負担を見直します。モデル・閾値・撮像条件を変えた場合の再評価、問題時に人の確認や以前の手順へ戻す方法、変更を承認する人を決めます。共通の導入日数や精度を先に置くより、確認できた条件と未確認の条件を明示し、限られた対象で運用を確かめてから展開する判断につなげます。