高所の鉄塔に人が登って錆を目視する点検は、危険で属人的で、記録も残りにくいのが実情です。この記事では、ドローン撮像と画像AIで錆・腐食・ボルト緩み・碍子破損を記録に変える構成と、判定基準をどう作るかを、上流の課題から順に考えます。
送電鉄塔や電力設備の点検は、高所での登塔作業を伴い、常に転落や感電のリスクと隣り合わせです。加えて、経験を積んだ点検員の高齢化と後継者不足が進み、「登れる人・診られる人」が減っているという声を現場からよく聞きます。錆や腐食の進行度合いは、これまで熟練者の目と経験で等級判断されてきましたが、その判断基準は言語化されにくく、人が替わると評価がぶれやすいのも実情です。
さらに、鉄塔は数万基という単位で全国に分布し、山間部や送電線沿いなど、そもそも近づきにくい場所に立っています。定期点検の周期を守るだけでも相当な工数がかかり、天候や立地に左右されます。「危険で・人が足りず・記録も残りにくい」という三重の課題が、この分野の悩ましさの正体だと考えられます。
こうした文脈でドローン撮像が注目されるのは、まず人が登らずに全周・全高の状態を画像として残せるからです。錆をAIで自動判定する話に飛びつく前に、「同じ鉄塔を毎年同じ条件で撮り、時系列で比較できる記録が残る」こと自体が、属人性と危険の両方を減らす一次的な価値になりうると考えます。AIによる判定はその記録基盤の上に乗せる二段階目、と捉えると設計を誤りにくくなります。
送電鉄塔で「点検したい対象」を並べると、実はかなり性質の異なるものが混在しています。ひとつのカメラ設定・ひとつのAIモデルで全部を賄おうとすると、どれも中途半端になりがちです。まず対象を分解して、それぞれに必要な撮り方を分けて考えることが出発点になると考えられます。
錆・腐食・塗膜劣化は、面積が大きく、境界が曖昧で、進行が漸進的です。「どこからが要補修か」を色や質感の連続的な変化から等級判断する必要があり、色再現と一貫した明るさが効いてきます。一方でボルトの緩み・脱落や、ナット・ピン類の欠落は、点で起きる離散的な異常です。こちらは対象が小さく、緩みの“わずかな回転や隙間”を見分ける解像度と角度が問われます。
碍子のひび・欠け・汚損や、アーマロッド・クランプ類の損傷、鳥の巣や飛来物といった付帯的な異常も点検項目に入ります。碍子は形状が複雑で反射も出やすく、背景に空や電線が抜けるため、コントラストの取り方が難しい対象です。こうした「面の劣化」「点の異常」「複雑形状部品」を最初から一緒くたにせず、検出したいものを言葉と写真で書き出すことが、方式検討の土台になります。
画像AIの精度は、モデルよりも「入力画像の質」で決まる部分が大きい、というのが現場の実感です。鉄塔のような屋外・大型・逆光になりやすい対象では、なおさら撮像設計が結果を左右すると考えられます。撮像・照明・判定を切り離さず一体で設計するのが、遠回りに見えて堅い進め方です。この考え方はAI画像検査パッケージで扱っている外観検査の基本と共通します。
広い錆の面を捉えるのに必要な解像度と、ボルトの緩みや碍子の細いひびを捉えるのに必要な解像度は、桁が違います。何mm四方の異常を何画素で捉えたいかを先に決め、そこからカメラの画素・撮影距離・レンズを逆算します。「とりあえず4K機で全周をなめる」だけでは、面の記録には足りても点の異常は見逃す、という取りこぼしが起きやすいと考えられます。全景用と接写用で撮り分ける前提を持つと現実的です。
屋外撮像の難しさは、時刻・天候・向きで光が一定しないことです。強い直射で白飛びした金属面や、逆光でシルエットになった鋼材からは、錆の色情報が失われます。曇天の柔らかい光が有利な場面もあれば、影で質感が沈む場面もあります。撮影する時間帯・方位・露出をある程度そろえ、時系列比較が成り立つ条件を作ることが、後段の判定を安定させる鍵になると考えます。現場ライティングの知見は屋内検査だけでなく、こうした「光のコントロール」の発想として屋外にも生きます。
可視光画像だけでは掴みにくい劣化や接続部の異常については、赤外・熱による観測を補助的に組み合わせる考え方もあります。通電部の発熱異常などは可視光の錆判定とは別の情報源になりうるため、目的に応じてinfrared thermal inspection guideやinfrastructure inspection aiで扱う考え方も参照しながら、何を可視光で・何を別波長で見るかを切り分けるとよいと考えられます。
AIで錆を判定させる前に、そもそも「人はどの状態を要補修と判断してきたのか」を写真に紐づけて言語化する作業が要ります。多くの現場には点検票や劣化度の等級区分（軽微／進行／要補修 等）が既にありますが、その区分と実際の画像がひも付いていないと、AIに何を学ばせるかが定まりません。既存の等級と現物写真の突き合わせが、判定基準づくりの実質的な第一歩になると考えます。
錆判定でいちばん揉めるのは、明確な錆でも明確な健全でもない「グレーゾーン」です。ここを人によって判断が割れる状態のままAIに学ばせると、AIの出力も安定しません。境界に当たる事例を複数人で見て、どちらに寄せるかの合意を作り、その根拠を残す。この“判定の設計”は自動化の前段として避けて通れず、むしろここに一番時間をかける価値があると考えられます。
現実的なのは、AIが「怪しい箇所を拾って提示し、最終等級は人が確認する」という支援型の使い方です。見逃しを減らしたいのか、点検員の負荷を減らしたいのか、記録を標準化したいのか——目的によって、どこまでAIに任せ、どこを人が持つかの線引きが変わります。この線引きを含めて小さく検証するのがPoC・検査方式設計の役割で、いきなり全自動を目指すより堅実だと考えます。
錆や腐食は一枚の写真の良し悪しではなく、進行の速さこそが判断材料です。だからこそ、同じ鉄塔・同じ部位を、同じような条件で毎回撮り、時系列で並べられる運用が価値を生みます。撮影位置や向きの再現性、ファイル命名や鉄塔ID・部位との紐づけといった地味な作法が、数年後の比較可能性を決めると考えられます。
AIが「ここに錆の可能性」と示しても、それは補修や優先順位づけの入力の一つに過ぎません。最終判断は、設備の重要度・立地・過去履歴を踏まえた人の責任で行うべきものです。AIの役割は、膨大な画像から見るべき箇所を絞り、判断のばらつきを減らし、記録を残すこと。役割分担を明確にしておくと、現場に受け入れられやすくなると考えます。
撮った大量の画像をすべて持ち帰って処理するのは負荷が大きく、通信環境が限られる山間部では現実的でない場面もあります。撮像側やエッジ端末で一次的なスクリーニング（明らかに正常なコマの除外、要確認コマの抽出）を行い、人が見るべき枚数を絞る構成も考えられます。どこで処理するかは、現場の通信・電源・運用体制から逆算して決めるのが妥当だと考えられます。
この分野は「ドローンで撮ればAIが錆を判定してくれる」という期待が先行しがちですが、実際にはいくつもの落とし穴があります。事前に知っておくと、期待値のズレによる失敗を避けやすくなると考えます。
最初から全鉄塔・全自動を目指すと、撮像も判定も破綻しやすくなります。まずは代表的な数基で、実際の錆・ボルト・碍子を撮ってみて、「この条件でこの異常が判定できる画像になるか」を現物で確かめるところから始めるのが現実的だと考えられます。
検出したい異常のうち、どれが今の機材・条件で写るのか、どこに撮り直しが要るのかを、実物の鉄塔で確認します。ここで「そもそも判定に足る画像が撮れるか」を見極めると、後段のAI開発に無駄が生まれにくくなります。
撮れた画像に既存の等級を紐づけ、境界事例の合意を作りながら、まずは「怪しい箇所を提示する」支援型のAIとして小さく回します。見逃し低減か負荷低減か、目的に照らして評価軸を決めるのがこの段階です。撮像・照明・判定を一体で検証する進め方についてはAI画像検査パッケージとPoC・検査方式設計で整理しています。
手応えが得られたら、時系列比較の運用や鉄塔IDとの紐づけを整え、対象基数を広げます。派手な自動判定より、続けられる記録と役割分担のほうが、長期的には現場を支えると考えます。元キーエンス画像処理事業部の現場知見を持つエンジニアの視点でも、まず現物で確かめる姿勢が遠回りに見えて近道になりうると考えています。
面で広がる錆はある程度AIで拾える可能性がありますが、要補修の境界（グレーゾーン）の判断は人による合意基準づくりが前提になります。現実的には、AIが怪しい箇所を提示し人が最終等級を確認する支援型の使い方から始めるのが堅実だと考えられます。まずは現物での撮像検証が出発点になります。
難しいと考えられます。面の錆と、点で起きるボルト緩みや細いひびでは、必要な解像度・撮影距離・角度が大きく異なります。全景用と接写用で撮り分ける前提を持ち、検出したい異常の最小サイズから解像度を逆算するのが現実的です。ひとつの条件で全部を賄おうとすると取りこぼしが起きやすい傾向があります。
直射での白飛びや逆光でのシルエット化は、錆の色情報を失わせます。撮影の時間帯・方位・露出をある程度そろえ、時系列で比較できる条件を作ることが後段の判定を安定させると考えられます。曇天が有利な場面もあり、対象と目的に応じて撮像条件を設計するのが実務的な対処になります。
飛行空域や飛行方法、通電設備近傍での安全確保など、守るべき前提があります。ただし適用範囲や必要な手続きは制度改定で変わりうるため、具体的な適用条件は所管省庁の最新の公表資料でご確認ください。本記事は技術的な点検設計の考え方を扱うものです。
派手なAI導入より、既存の点検票の等級区分と実際の錆・ボルト・碍子の写真を突き合わせ、「何をどの状態で撮れば判定できるか」を客観的に把握することからだと考えられます。代表的な数基で撮像可否を検証し、判定基準を固めてから支援型AIへ、と段階を踏むのが遠回りに見えて近道になりうると考えます。
送電鉄塔の錆・ボルト・碍子は、対象ごとに必要な撮り方が異なります。いきなり全自動を目指すのではなく、実際の設備を撮って判定に足る画像になるかを小さく検証するところから始めるのが確実です。撮像・照明・判定を一体で設計する視点で、現物からご一緒に確かめます。
鉄塔のドローン画像点検を相談する