配筋検査は、コンクリートを打設してしまえば二度と直接確認できない「一発勝負」の工程です。本数・ピッチ・かぶり厚を人手で測り、写真を撮り、帳票に転記する一連の作業を、撮影と画像AIでどこまで支えられるのか。担い手不足と立会い負担という上流の課題から、現場の手触りとともに考えます。
配筋検査は、鉄筋を組み終えてコンクリートを打設する直前に行う確認工程です。打ってしまえば内部の鉄筋は二度と直接見えなくなるため、やり直しの効かない「一発勝負」の性格を持ちます。設計図・仕様書どおりに鉄筋が組まれているか、本数・間隔（ピッチ）・かぶり厚・継手や定着の長さ・結束の状態を、現場で目視と実測により確認し、写真を撮り、検査記録として残す。この一連の作業は施工品質そのものを担保する重要工程である一方、担当者の時間と集中を大きく消費します。
背景には、建設業全体の担い手不足があります。就業者の高齢化と若年層の入職減が続き、加えて時間外労働の上限規制が建設業にも適用される局面を迎えました（適用範囲・時期・上限時間の詳細は、所管省庁の最新の公表資料でご確認ください）。限られた人数と時間で品質を落とさずに現場を回すには、付加価値の低い転記・整理作業をどう圧縮するかが問われています。この構造的な圧力については建設業の担い手不足と省力化でも整理しています。
配筋検査は元請の施工管理だけで完結せず、監理者や発注者の立会いを伴うことが少なくありません。関係者の日程を合わせ、現場で一本ずつ数え、スケールを当て、黒板とともに撮影し、事務所に戻って写真を工種・部位ごとに仕分ける。この「立会い調整」と「後工程の写真整理」は帳票の数字には表れにくいものの、実務では相当の負担になっていると考えられます。数える・測る・記録するという要素作業に画像AIが入り込む余地が、まさにここにあると言えそうです。
自動化を考える前に、配筋検査で確認している項目を分解しておくと論点が見えやすくなります。主な確認項目としては、（1）鉄筋の本数、（2）ピッチ（配筋間隔）、（3）かぶり厚（鉄筋表面から型枠までの距離）、（4）鉄筋径、（5）継手・定着の長さ、（6）結束の有無や状態、（7）スペーサーの配置、（8）そもそもの施工漏れ・入れ忘れ、などが挙げられます。これらは性質がかなり異なり、画像AIとの相性も一様ではありません。
本数のカウントやピッチの読み取り、施工漏れの検出は、規則的に並ぶ対象を数え、間隔の乱れや欠落を見つける問題に近く、画像で扱いやすい部類と考えられます。一方でかぶり厚のように三次元的な距離を正確に測る項目は、単眼の写真一枚からの推定には限界があり、参照スケールや複数視点、あるいは別の計測手段との併用が前提になりうる領域です。ここを混同して「写真を撮れば全部わかる」と期待すると、現場で齟齬が生じます。
数え・照合という観点は、製造現場の検査と地続きです。並んだ対象の個数や有無を画像で判断する設計思想は有無検査・個数カウント自動化で、部品や要素の数え漏れを防ぐ考え方は員数チェックの自動化で扱っており、配筋の本数確認にも通じる部分が多いと考えられます。
配筋の本数・ピッチを画像AIで扱う基本発想は、撮影した鉄筋を一本ずつ検出し、その位置から本数を数え、隣り合う鉄筋の中心間距離からピッチを算出する、というものです。縦筋・横筋（主筋・配力筋）を格子として認識できれば、規定本数との差や、間隔が広がっている箇所、抜けている箇所を候補として提示できる可能性があります。人が数えると集中力の低下で見落としや重複が起こりがちな作業を、機械が一定の基準で下支えする位置づけです。
従来型の検出モデルは「学習させた見え方」に強い反面、現場ごとに変わる背景・鉄筋の錆色・重なり方に対して、都度データを集めて作り込む労力がかかりがちでした。近年のVLM（Vision Language Model）は、より柔軟に「これは鉄筋か」「本数はいくつか」といった問いに対応しうる特性があり、現場ごとの作り込みを軽くできる可能性があります。ただしVLMも万能ではなく、密に重なった鉄筋の厳密なカウントや微妙な距離の判断では誤りうるため、あくまで人の確認を補助する道具として設計するのが妥当と考えます。こうした計数・照合・記録への画像AI適用パターンはビジョンAIの活用例に整理しています。
照合の要は、図面情報（部位ごとの規定本数・ピッチ・径）と撮影結果を突き合わせる仕組みです。撮影時に「どの部位を撮っているか」をタグ付けできれば、AIの読み取り結果を規定値と自動比較し、差分だけを人がチェックする流れをつくれる可能性があります。全数を人が数え直すのではなく、機械が挙げた「怪しい箇所」に人の注意を集中させる。この役割分担が省力化の核心になりうると考えます。
配筋検査の自動化で成否を分けるのは、アルゴリズムそのものよりも撮影条件の設計だと考えられます。製造ラインと違い、建設現場は屋外で照明が一定せず、逆光・影・雨・泥・鉄筋の錆といった変動が大きい環境です。同じ鉄筋でも時間帯や天候で見え方が変わり、重なった鉄筋は手前が奥を隠します。この変動をどう抑え、AIが判断しやすい入力をどう安定して得るかが、現場ライティングとカメラ設計の勘所になります。
写真からピッチやかぶりといった実寸を出すには、画像内に長さの基準が必要です。既知寸法のスケールバーやマーカーを一緒に写す、鉄筋径そのものを基準に使う、複数視点から寸法を推定するなど、方法はいくつか考えられますが、いずれも「基準をどう毎回確実に画角へ入れるか」という運用設計とセットでなければ機能しません。基準なしに写真だけで正確な距離を出すのは難しい、という前提を関係者で共有しておくことが、後の食い違いを防ぐと考えます。
現場は通信が不安定な場所も多く、撮影画像をすべてクラウドへ送って処理する前提には無理が出やすい面があります。Jetson等のエッジ端末で撮影直後にその場で数え・照合し、結果と写真だけを残す構成であれば、通信環境に左右されにくく、その場で撮り直しの判断もできます。元キーエンス画像処理事業部で培った産業用カメラ・現場ライティングの知見と、VLM・エッジ処理を組み合わせる設計は、この屋外の不安定さに向き合ううえで一つの現実解になりうると考えます。
配筋検査の負担は「数える」瞬間だけでなく、その後の記録作成に長く尾を引きます。撮影した大量の写真を工種・部位・撮影日で仕分け、黒板の内容と突き合わせ、検査帳票へ転記し、電子納品の体裁に整える。ここが自動化されないと、現場での数え作業だけ速くしても全体の時短にはつながりにくいものです。画像AIの出力を、そのまま記録の下書きとして活用できる設計にしておくことが重要と考えます。
撮影時点で部位名・規定値・読み取り結果・判定（規定内／要確認）をひとまとまりのデータとして紐づけておければ、後工程の仕分けと転記を大幅に軽くできる可能性があります。人が最終確認して確定する前提は変えつつ、たたき台を機械が用意する。現場記録や検査の画像AI活用という観点は、橋梁やトンネルなどを扱うインフラ点検の画像AI化とも共通する設計思想です。
エビデンスとしての価値も見逃せません。誰が・いつ・どの部位を撮り、機械がどう読み取ったかが揃った記録は、後日の説明責任や品質トレーサビリティの面でも意味を持ちうると考えられます。計数・検査向けの画像AIプロダクトについてはVision AI製品もあわせてご確認ください。
期待だけで進めると現場で躓きます。配筋検査AIを検討する際に、あらかじめ共有しておきたい限界と注意点を挙げます。
最初から全項目・全自動を狙うと、屋外の変動と検査責任の重さに阻まれて頓挫しがちです。現実的には、効果が見えやすく画像AIと相性のよい項目から小さく始め、現場で確かめながら広げるアプローチが妥当と考えます。
まず自社・自現場の検査フローのどこに時間がかかっているかを客観的に把握します。数える作業なのか、写真整理なのか、立会い調整なのか。ここを取り違えると、効かない場所を自動化してしまいます。
本数カウントやピッチの読み取りのように相性のよい項目を選び、実際の鉄筋・現場で撮影して精度と使い勝手を確かめます。撮影方法とスケール基準を決め、うまくいく条件・崩れる条件を見極める段階です。ここで得た手応えが、次の投資判断の根拠になりうると考えます。
数える工程が安定したら、検査記録・エビデンス写真の自動整理へ接続し、部位や工種を広げていきます。全自動をゴールに置くのではなく、人の確認を残しつつ付加価値の低い作業を機械に寄せる。この積み上げが、担い手不足のなかで品質を守る現実的な道筋になりうると考えます。
規則的に並ぶ鉄筋を検出して本数を数え、間隔からピッチを算出する発想は画像AIと相性がよいと考えられます。ただし密な重なりや屋外の光の変動で精度が左右されるため、あくまで人の確認を補助する位置づけで、実際の現場・現物での検証を前提に設計するのが現実的です。
単眼の写真一枚からかぶり厚を正確に測るのは難しいと考えられます。画像内に既知寸法のスケール基準を写す、複数視点を使う、別の計測手段と併用するなどの工夫が前提になりうる領域です。距離を要する項目は本数・ピッチとは切り分けて検討するのが安全です。
クラウド送信を前提にすると通信が不安定な現場では成立しにくい面があります。Jetson等のエッジ端末で撮影直後にその場で処理し、結果と写真だけを残す構成であれば、通信環境に左右されにくく、その場で撮り直しの判断もしやすくなると考えられます。現場条件に応じた設計が必要です。
撮影時点で部位名・規定値・読み取り結果を紐づけて残せれば、後工程の写真仕分けや帳票転記のたたき台を機械が用意でき、負担を軽くできる可能性があります。最終確認と責任は人に残す前提です。電子納品の様式・要件は発注者や所管の最新の公表資料でご確認ください。
削減効果は現場の配筋の密度・撮影条件・既存フローに強く依存するため、一般的な数値をそのまま当てはめることはできません。まずは自現場のボトルネックを把握し、相性のよい項目で現物検証を行って、実際の効果を確かめることをおすすめします。効果は検証を通じて見極める前提とお考えください。
本数・ピッチ・かぶり・記録整理のうち、貴社の現場でボトルネックになっているのはどこか。まずは実際の配筋・現場写真をもとに、画像AIで支えられる範囲と限界を一緒に見極めるところから始められます。元キーエンス画像処理事業部の現場知見とVLM・エッジ処理を踏まえ、無理のない出発点をご提案します。
配筋検査の画像AI活用を相談する