品種数50のアノテーション：手動400時間 → VLM＋人間レビューで25時間。具体的なワークフローを公開。元キーエンス技術者が解説。
AI外観検査の導入プロジェクトで最もコストがかかるのは、AIの開発ではなくアノテーション（不良箇所のラベル付け）です。特に多品種ラインでは品種数に比例して工数が膨張します。
品種数10：手動アノテーション40〜80時間（10万〜20万円）
品種数50：手動アノテーション200〜400時間（50万〜100万円）
品種数100：手動アノテーション400〜800時間（100万〜200万円）
さらに、年間の品種追加・製品改訂でアノテーションのやり直しが常に発生する。
※ 掲載の金額・単価は執筆時点の参考値です。実際の費用は要件・時期により変動します。
従来のアノテーション（教師データへのラベル付け）は、品種ごとに人手で実施し膨大な工数を要しました。VLM技術によるオートアノテーションで、この工数が劇的に削減されています。
VLMに「この画像のキズの位置を矩形で指定して」と自然言語で指示することで、自動的にバウンディングボックス・セグメンテーションマスクを生成。人手で行う作業の80〜90%を自動化します。
従来のアノテーションでは、技術者が画像上で不良箇所を1つずつ矩形や多角形で囲む必要がありました。VLMオートアノテーションでは、検査基準を自然言語で記述します。
例：「表面のキズ（長さ0.5mm以上、深さ0.1mm以上）をバウンディングボックスで囲んでください」
VLMが画像を解析し、指定された検査基準に基づいて不良箇所を自動でラベル付けします。処理速度は1枚あたり2〜5秒（オフライン処理）。
VLMが付与したアノテーションを、ブラウザベースのレビューUIで人間が確認します。修正が必要なのは全体の5〜15%程度。
検査対象：自動車部品プレス品のキズ検出
手動アノテーション vs VLMオートアノテーション
IoU（領域の一致度）：0.82（手動を1.0とした場合）
見逃し率：8%（人間レビューで補完）
過検出率：12%（人間レビューで除外）
トータル工数：手動の10%以下
結論：VLMオートアノテーション＋人間レビューの半自動ワークフローで、品質を維持しながら工数を90%削減。
レビュー済みアノテーションデータでAIモデルを学習。検証データで精度を確認し、閾値を調整。
オートアノテーションのデモを見たい方
無料デモを依頼する →| 項目 | 手動アノテーション | VLMオートアノテーション |
|---|---|---|
| 工数（品種あたり） | 4〜8時間 | 30分（レビュー込み） |
| 必要スキル | 画像処理の知識 | 検査基準の理解のみ |
| 一貫性 | 担当者により差が出る | VLMの基準で統一 |
| スケーラビリティ | 品種数に比例して増大 | 品種数に依存しにくい |
| 精度 | 100%（人間基準） | 85〜95%（残りは人間がレビュー） |
| 項目 | 従来手法 | VLMオート |
|---|---|---|
| 工数（500枚） | 50〜100時間 | 2〜5時間 |
| 専門スキル | 必要 | 不要 |
| ラベル品質 | 人によりムラ | 一貫性高い |
| コスト | 50〜200万円 | 5〜20万円 |
※ 掲載の金額・単価は執筆時点の参考値です。実際の費用は要件・時期により変動します。
「キズ」だけでなく「金属表面の引っかき傷、長さ3mm以上」のように具体的指示。指示の粒度がVLMの検出精度に直結します。
VLM出力を人間が一次レビュー→修正→学習サイクル。レビュー結果を次のプロンプト改善に活用します。
VLMの判定信頼度が低いものは人手レビュー必須に。信頼度スコアを活用してレビュー優先順位を自動整理します。
VLMオートアノテーション運用は、運用後の継続改善が品質を決定します。月次でVLM出力サンプルの品質レビュー、四半期で人間レビュー結果の傾向分析、年次でVLMプロンプト・アノテーション基準の見直し。これらの継続改善サイクルが、長期的な精度維持の鍵です。
VLMオートアノテーションを組織全体で展開するには、運用ガイドライン整備、教育プログラム実施、品質モニタリング体制構築が必要です。これらが機能してこそ、技術的優位性を業務改善効果に転換できます。技術導入と組織展開はセットで進めるべき領域です。
Nsightの検証データでは、手動アノテーションと比較してIoU（領域一致度）0.82。見逃しの低減・過検出の低減。人間レビューで補完し、トータル品質を維持しながら工数を大幅削減を実現します。
はい。VLMの出力をそのまま使うのではなく、5〜15%の修正を人間が行う半自動ワークフローです。特に境界ケースと新しい不良タイプはレビューが必須です。
NsightのシステムにはオートアノテーションUIが標準搭載。追加の設備は不要です。ブラウザベースのUIから現場のオペレーターが操作できます。
判定ログの全数自動保存と監査証跡機能により、IATF要求のトレーサビリティに対応できます。
VLMと汎化モデルの組合せで、品種切替工数を大幅削減できるため、多品種ほど効果が出やすい傾向です。
自動車部品分野では複数の現場でAI検査を稼働中です。詳細は事例ページをご参照ください。