版面が固定され、最高速度と決定性が重要なら従来型OCR、多品種・未知レイアウトから項目の意味まで取り出すならVLM OCRが有力です。 どちらが上位という関係ではなく、ラベル変動と業務要件で使い分けます。
| 比較軸 | 位置固定・レシピ型 | VLM型 |
|---|---|---|
| レイアウト | 固定に強い | 変動に強い |
| 初期設定 | 座標・文字種をラベル別に設定 | 抽出項目・スキーマ・指示を共通化しやすい |
| 新品種 | レシピ追加・調整 | ゼロショットで評価後、必要箇所だけ調整 |
| 出力の安定性 | ルール通りで決定的 | モデル出力の検証・制約が必要 |
| 速度 | 軽量・高速化しやすい | GPUとモデル最適化が重要 |
| 解釈 | 認識後に別ロジックが必要 | 文脈を使った項目抽出が可能 |
| 保守費 | 品種増加に比例しやすい | 基盤は共通化できるがモデル運用が加わる |
複数仕入先から異なるラベルが届く倉庫では、検査領域を作成し、版面変更を検知し、全端末へ配布する作業が積み上がります。ラベルが100種類あるから必ず100レシピになるとは限りませんが、共通アンカーで吸収できない差が増えるほど、保守対象が増える傾向があります。
一方で、単一製品が同じ姿勢で高速搬送されるラインなら、この座標設定がむしろ強みです。対象領域を狭くすれば処理を軽くし、想定外の文字を拾わないようにできます。
「x=120〜380、y=80〜130を読む」ではなく、「製品名とLOT番号を抽出する」と指示します。LOT、Batch、製造番号などの表記差や、近接する値の関係を使える点が特徴です。
最終出力を {product_name, lot_number, expiry_date} のようなJSONへ揃えられます。ただし、JSON Schema検証、必須項目、日付形式、許容文字を後段で強制し、自由文をそのまま基幹システムへ渡さないことが重要です。
O と 0 が曖昧なとき、画像認識を際限なく調整するのではなく、入荷予定、品目マスター、文字列規則を使います。候補が一意なら補正し、複数なら確認へ回します。
VLMは未知レイアウトや未登録フォントへゼロショットで対応できる可能性があります。しかし、次の条件では追加対応が必要です。
対策は再学習だけではありません。照明、撮影ガイド、クロップ、複数フレーム合成、プロンプト、辞書、照合、別OCRとのアンサンブルを先に比較します。
初期ライセンスだけでなく、5年間の総保有コストを次式で比較します。
TCO = 基盤・端末・GPU + 初期構築 + レシピ作成 + 版面変更対応 + モデル更新 + 監視 + 人手確認 + 誤登録損失
VLMはGPU費が増える一方、ラベル追加ごとの設定費を抑えられる可能性があります。品種が少ない現場では従来型が安く、多品種・頻繁な改版・複数拠点ではVLMの共通化効果が大きくなります。
バーコードはバーコードリーダー、固定欄は従来OCR、未知ラベルの項目特定はVLM、最終確定はマスター照合という構成です。各方式を得意領域へ配置し、結果が不一致なら自動登録を止めます。
製品名はVLM、ロットは文字専用OCRという分割も可能です。VLMの役割を「どこを何として読むか」のオーケストレーションに限定すれば、速度と説明可能性を改善できる場合があります。
詳しい試験方法は「VLM OCR PoC・RFP実践ガイド」にまとめています。VLM OCR全体像へ戻る場合は「VLM OCR完全ガイド」をご覧ください。
いいえ。固定・高速・定型の工程は残し、レシピ保守や未知版面が問題の工程からVLMを試す方が安全です。
生成設定を固定しても完全な決定性を前提にせず、スキーマ検証、再試行条件、マスター照合、モデルバージョン固定で管理します。
総数だけで決めず、仕入先、版面、フォント、撮影条件、正常・異常を層別します。希少だが重大な失敗パターンを意図的に含めます。
通常例だけでなく、反射、傾き、汚れ、未知レイアウト、マスター不在を含む実画像と、抽出項目、正解値、照合先、例外時の処理を準備します。