画像で個数を数えるAIは、ハマれば人手の計数を大きく減らせます。一方で「うちの現場では精度が出ない」という声も少なくありません。その差は、重なり・隠れ・高速搬送・対象のばらつきといった要因への向き合い方にあります。本記事では、なぜ誤カウントが起きるのか、精度を左右する要因、撮像と照明の設計、精度をどう測り改善するかを整理しました。画像AIを現場で扱うNsightの視点でまとめています。
個数カウントAIは、対象がきれいに分かれて並んでいれば高い精度を出しやすい一方、現場の条件が厳しくなると途端に難しくなります。「うちでは数が合わない」という声の多くは、対象同士が重なる・一部が隠れる・搬送が速くてブレる・形や大きさがばらつく、といった条件に起因します。
人の目なら「これは2個が重なっている」と補えても、画像では一つの塊に見えてしまうことがあります。精度を上げる第一歩は、自分の現場でどの要因が効いているかを見極めることです。コンベア上でのカウント精度の具体はコンベア上の個数カウントをAIで自動化も参照してください。
個数カウントの精度を左右する要因は、主に次の4つに分けられます。
| 要因 | 起きること | 対処の方向 |
|---|---|---|
| 重なり | 複数が一つに見え、数え漏れる | 角度・照明・立体計測・並べ方 |
| 隠れ | 一部が遮られ見切れる | 視野・複数視点・搬送タイミング |
| 高速搬送 | ブレ・取りこぼし・二重カウント | シャッター・照明・カメラ選定 |
| ばらつき | 形・大きさ・色が一定でない | 学習データ・しきい値・前処理 |
精度を上げようとすると、ついアルゴリズムに目が向きがちです。しかし実際には、対象がはっきり写っているかという撮像・照明の土台が、精度を大きく左右します。写っていないものは、どんなアルゴリズムでも数えられません。
これらは現場の対象と搬送条件によって最適が変わります。撮像設計の考え方はラインカメラの撮像設計も参考になります。カウントの仕組み全体はカウント＆トラッキング製品として整理しています。
精度は「合う・合わない」の感覚ではなく、数字で測ります。重要なのは、過剰（数え過ぎ）と不足（数え漏れ）を分けて記録することです。
| 見る指標 | 意味 |
|---|---|
| 過剰 | 実際よりも多く数えてしまった件数 |
| 不足 | 実際よりも少なく数えてしまった件数 |
| 誤りの状況 | 重なり時・高速時など、どの条件で誤るか |
合計だけ見ていると、過剰と不足が打ち消し合って「合っている」ように見えることがあります。内訳とその状況まで分けて測ると、撮像を直すべきか・アルゴリズムを調整すべきかが見えてきます。有無検査との組み合わせは有無検査・個数カウントの自動化ガイドを参照してください。
カウント精度の改善は、現場の実物・実条件での検証を中心に進めます。
| ステップ | やること |
|---|---|
| ① 条件共有 | 対象の形・大きさ・置かれ方・搬送速度を共有する |
| ② 要因の切り分け | 重なり・隠れ・高速・ばらつきのどれが効くか見極める |
| ③ 撮像設計 | はっきり写る視野・照明・シャッター・角度を作る |
| ④ 精度測定 | 過剰・不足を分けて測り、誤る状況を特定する |
| ⑤ 調整・運用 | 効く順に直し、運用しながら安定させる |
まとめ：個数カウントAIの精度は、重なり・隠れ・高速搬送・ばらつきという要因で決まる。まずどれが効くかを切り分け、撮像と照明ではっきり写す土台を作る。精度は過剰と不足を分けて、誤る状況とともに測る。実物・実条件で検証しながら効く順に直すのが、現場で安定させる近道。
主な原因は、対象同士が重なって見える、一部が隠れる、搬送が速くてブレる、対象の形や大きさにばらつきがある、といった点です。人の目なら補える状況でも、画像では一つの塊に見えたり、見切れたりして、数え間違いにつながります。誤カウントを減らすには、これらのどれが効いているかを見極め、撮像の設計やアルゴリズムで対処することが必要です。
重なりは個数カウントの代表的な難所です。完全に対応できないわけではなく、撮る角度・照明・対象を広げて見せる工夫や、立体的に捉える方式で精度を高められます。ただし重なりが強いほど難易度が上がるため、実際の対象と置かれ方で数えられるかを検証してから進めることが重要です。
流れる対象を数えるには、ブレを抑える撮像が前提になります。シャッターや照明、カメラの選定で、速い動きでも対象がはっきり写るようにします。速度が上がるほど一瞬の取りこぼしや二重カウントが起きやすくなるため、実際の搬送速度で精度を確かめることが欠かせません。
実際の数量と比べて、数え過ぎ（過剰）と数え漏れ（不足）を分けて記録します。合計が合っていても、過剰と不足が打ち消し合っているだけのことがあるためです。どの状況で誤りが出るか（重なり時・高速時など）を併せて見ると、効く対策が分かります。漠然と「合う・合わない」で見るより、内訳で測るほうが改善につながります。
数が合わない原因は、現場の対象と条件で違います。まずはどの要因が効いているかを切り分け、実物で数えられるかを見極めるところから。画像AIを現場で扱う観点で支援します。
カウント精度を相談する →