化粧品製造業では、ラベル誤貼付・表示誤記・ロット番号ミスが市場回収リスクに直結する。しかし化粧品ラベルは、薬機法に基づく表示義務項目、多言語対応、ブランド固有の装飾フォント、極小文字、金属箔押し・エンボス加工など、従来のOCRエンジンが苦手とする要素が集中して存在する。本稿では、VLM（Vision Language Model）ベースのラベルOCR照合が、この難問にどう対応するかを、実装アーキテクチャの観点から解説する。
化粧品の容器・外箱・添付文書には、薬機法（医薬品、医療機器等の法律）に基づき、名称・効能効果・成分・使用上の注意・製造販売業者名などの表示義務がある。これらの表示に誤りがあれば、法的リスクに直結するため、高い照合精度が求められる。
近年、インバウンド需要と輸出拡大を受けて、日・英・中（簡体字/繁体字）・韓の4〜5言語併記が標準化しつつある。各言語の文字体系が異なるため、単一OCRエンジンでの処理が困難。
化粧品は視覚的ブランディングの比重が大きく、筆記体・セリフ体の装飾フォント、金属箔押し、エンボス加工による立体文字、透明ラベル印刷など、視認性よりもデザイン性を優先する表現が多い。これらは従来の汎用OCRでは誤読・未読が頻発する。
成分表示、使用期限、ロット番号などは、パッケージの狭小スペースに収めるため、6pt相当の極小文字になることも珍しくない。印刷品質のバラつきも含め、読み取り困難な条件が重なる。
VLMは、画像から文字を抽出するだけでなく、「画像内の文字列が、指定されたマスターテキスト（商品表示基準）と一致しているか」を意味レベルで照合できる。この特性が、化粧品ラベル検品の難問を解消する。
VLMは大量のインターネット画像・多言語テキストで事前学習されており、未学習のフォント・言語でも相当な精度で文字を抽出できる。化粧品ラベルの装飾フォントや4言語併記のレイアウトでも、追加学習なしで処理可能なケースが多い。
抽出した文字列を、商品マスター（表示基準テキスト）と照合する。従来の完全一致照合ではなく、「順序の違い」「改行位置の違い」「全角半角の違い」などを吸収した意味レベルの照合ができる。
「効能効果欄」「成分欄」「使用上の注意欄」といった薬機法で定められた構造を、VLMに「構造化抽出」させることで、必須項目の有無を自動チェックできる。
| 層 | 担当 | 配置 |
|---|---|---|
| 撮像 | ライン上のラベル撮影、照明最適化 | 産業用カメラ、同軸・偏光照明 |
| 一次判定 | ラベル有無、大きな欠品、位置ずれの高速判定 | Jetson（エッジ） |
| VLM照合 | 文字列抽出、マスター照合、薬機法チェック | クラウドGPU または オンプレVLM |
| ログ基盤 | 全検査結果のロット単位保存、トレーサビリティ | クラウドDB |
ライン速度要件が厳しい工程では、VLMの判定は数秒遅れでも許容されるケースが多いため、ライン停止判定はエッジで行い、詳細照合はVLMで非同期処理する二段構成が現実的。
化粧品ラベル検品のAI化は、以下3つの経済効果をもたらす。
ラインごとの詳細な構成は 化粧品検査ソリューション を参照されたい。導入効果は工程・ライン構成・既存の検査体制によって変わるため、現物のラベル画像での精度検証を前提にご検討いただきたい。
※ 上記はあくまで一般的な目安です。実際の費用は検査内容・ライン構成により異なります。
| 項目 | 従来OCR | VLM OCR照合 |
|---|---|---|
| 新製品対応工数 | 1製品あたり数日〜1週間 | マスターテキスト登録のみ（1時間程度） |
| 装飾フォント対応 | フォント学習が必要 | ゼロショットで対応可能な場合多し |
| 多言語対応 | 言語ごとにエンジン切替 | 単一モデルで多言語処理 |
| 意味照合 | 完全一致のみ | 順序・改行・全半角差を吸収 |
| 薬機法構造チェック | 別途ルール実装 | 構造化抽出で自動チェック可能 |
| 処理速度 | リアルタイム | 数秒遅延（二段構成で吸収） |
VLMは「なぜその判定になったか」がブラックボックスになりがち。現場運用では、VLMが抽出した文字列、照合したマスター位置、差異ハイライトを全てログとして保存し、疑義ケースで遡及できる設計にすることが重要。
VLMが「不明瞭」と判定したケースは、人間最終判定へ回す設計にする。自動判定100%を目指すのではなく、「自動で判定できるケースを最大化し、残りは人に回す」という設計思想で運用定着率が大きく変わる。
VLM照合の精度は、マスターテキストの品質に依存する。薬機法改定や製品仕様変更のたびにマスターを更新する体制と承認フローを、システム導入と同時に設計することが必要。
Nsightが化粧品OEM現場で推奨する標準的な導入ロードマップは以下の通り。
導入費用は、1ライン1,500〜3,000万円レンジが一般的。ものづくり補助金・IT導入補助金等の対象となる場合があるが、対象要件・補助率は制度や年度、公募回によって異なるため、所管省庁の最新の公表資料で個別にご確認いただきたい。
※ 上記はあくまで一般的な目安です。実際の費用は検査内容・ライン構成により異なります。
VLMベースOCR照合を薬機法対応として機能させるには、チェック項目の実装を体系的に行う必要がある。化粧品業界でNsightが推奨する実装チェックリストは以下の通り。
化粧品は薬機法上「治療」「治癒」「予防」などの医薬品的効能を謳う表現が禁止されている。VLMに禁止表現リストを与えて、ラベル上の表現を自動スクリーニングする仕組みを組み込める。具体的には「治す」「効く」「治療」「改善」などのキーワードと、化粧品として使用可能な「整える」「潤す」「保つ」等の対比リストを用意し、違反候補をアラート化する。
既存装置はマスター登録型で、製品ごとにテンプレート作成が必要です。VLM OCR照合は、マスターテキスト（自然文）を与えるだけで照合できるため、新製品対応の工数が劇的に減ります。
VLMは多言語の事前学習が豊富なため、日英中韓の4言語併記でも実用精度が出ることが多いです。ただし、装飾フォントと組み合わさった場合は一次検証が必要です。
必須項目の有無（成分、効能、使用上の注意、製造販売業者）や、禁止表現の検出は自動化できます。ただし法的リスク判定は最終的に薬事担当者の承認が必要です。
可能です。オンプレVLMサーバーを設置する構成を提案しています。データ持ち出し制限がある化粧品OEMでは、オンプレが前提になります。
照明条件によりますが、偏光照明・斜光照明の組み合わせで、VLMが読み取れる画像を撮像できるケースが多いです。撮像系の設計が精度を左右します。
撮像系の設計次第ですが、標準的な導入ロードマップは合計7ヶ月程度です。現場ヒアリングと撮像設計に1〜2ヶ月、PoC環境構築と精度検証を3〜4ヶ月目まで、本番ラインでの並行稼働を5〜6ヶ月目まで、7ヶ月目以降で本稼働という流れを目安にしています。ラベル多様性が高い場合は、最初の撮像設計に、より時間をかける構成を推奨します。