VLM-OCRは、レシピ登録・フォーマット設定・品種ごとのティーチングなしで、多様なフォント・印字・ラベルをゼロショットで読み取り、在庫マスタと照合するNsight Edge上のOCRエンジンです。推論は社内GPUサーバー／NVIDIA Jetsonで完結し、外部クラウドを使いません。物流倉庫の入庫検品、出庫仕分け、在庫照合、WMS・i-Reporter連携に対応します。
VLM-OCRは、現場の文字情報をデータ化する入口です。読み取った情報を、WMS、在庫管理、仕分け、搬送、ロボット制御へつなげます。Nsight Edge上で動作するOCRエンジンとして、物流OCRを主軸に、倉庫管理や将来の物流自動化へ接続していきます。
従来のOCRは、読ませる文字・フォント・検査領域を品種ごとに登録し、ラベルの書式が変わるたびに設定をやり直す必要がありました。VLM-OCRは、VLM（Vision-Language Model）がワンショット撮影の画像を文脈ごと読解するため、この事前設定の工程そのものを不要にします。
読ませたい文字種やフォントを辞書に登録する工程がありません。手書き・かすれ・多言語混在など、登録されていない文字列にも対応します。
※実際の読み取り精度は、現場のラベル・印字・撮影条件を確認したうえでご提示します。
「この位置に品番、この位置に数量」といった検査領域・レイアウトの設定に依存しません。取引先や書式が増えても、個別の再設定・再学習なしにそのまま運用を続けられると考えています。
ラベル全体を文脈として読解し、お届け先・品名・ロット番号・賞味期限といった項目を意味から拾い出します。項目ごとに信頼度を提示し、低信頼の箇所だけ人が確認する運用に落とし込めます。
汎用OCRに現場を合わせるのではなく、現場の読み取りに特化させる——バーティカルAIとしてのOCRです。VLMはラベルを「文字の集合」ではなく「意味を持つ帳票」として読解します。どこに品名があり、どれがロット番号か。位置やレシピではなく、文脈から自律的に解釈します。
ワンショット撮影。レシピ登録・検査領域の設定なしで読み取りを開始
ラベル全体を文脈として読解し、製品名・ロット番号・期限を意味から自律的に特定
在庫マスタ（CSV）と類似照合。難読文字の曖昧さを再学習なしで補正し、値を確定
項目ごとの信頼度付きで確定レコードを出力。低信頼の箇所だけ人が確認
NVIDIA Jetson上で動作する実機デモです。事前の文字登録・フォーマット設定なしで、初見の段ボール・パッケージの印字（製品名・規格・キャッチコピー）を読み取り、リスト化していく様子をご覧いただけます。
位置固定・レシピ登録型の従来OCRでは、ラベル品種ごとに検査領域の登録が必要で、100品種を扱うなら100個の個別設定が要ります。フォントが違えば読めず、追加学習を重ねるほど特定の書体に過剰適合（オーバーフィッティング）していく——VLM-OCRは、この「設定と再学習の泥沼」を工程ごと不要にします。
| 従来型OCR | VLM-OCR（Nsight Edge） | |
|---|---|---|
| 事前の文字登録 | 読ませる文字・フォントを辞書登録。未登録文字は読めない | 不要未登録の文字列・手書きにも対応 |
| フォーマット設定 | 品種・書式ごとに検査領域を設定。100品種なら100個の個別設定が必要 | 不要レシピ登録ゼロ。ワンショット撮影から文脈で項目を判断 |
| 品種追加時の対応 | 設定追加・再学習・再ティーチングが発生 | 設定レス個別学習に依存せずそのまま対応 |
| フォント・書体の変更 | 再学習で対応。繰り返すほど特定書体への過学習（オーバーフィッティング）リスク | ゼロショット追加学習不要。初見の書体もそのまま読む |
| 難読文字・かすれの補正 | 辞書追加・再学習の積み重ねで対応 | マスタ照合在庫マスタ（CSV）との類似照合で事後補正 |
| 読み取り対象 | 登録済みの活字が中心 | 多様なフォント・印字・手書き・多言語混在 |
| 出力 | 文字列のみ | 項目ごとの値＋信頼度。マスタ照合・印字品質判定まで |
| 処理場所 | 専用機または外部クラウド（画像を外部送信） | 社内GPUサーバー／NVIDIA Jetsonでローカル推論。外部クラウド不使用 |
※比較は一般的な従来型OCRの構成との対比です。実際の対応可否・精度は、現場のラベル・印字・撮影条件を確認したうえでご提案します。
セキュリティ要件の厳しい製造・物流現場を前提に、VLM-OCRはオンプレミス完結型で設計しています。社内GPUサーバーまたはNVIDIA Jetson等のエッジデバイスでVLMをローカル推論し、外部クラウドは使いません。撮影から照合・登録まで、すべてが社内ネットワークの内側で完結します。
現場でラベルを一括撮影。専用端末は不要。
VLMをローカル推論。外部クラウドへ画像・データを送信しない。
照合結果を既存システムへそのまま自動登録。
※処理時間は構成・撮影条件・読み取り文字量により変動します。現場条件を確認したうえで構成をご提案します。
この設計思想の背景 — バーティカルAI×セキュリティを見る →電子帳票システム「i-Reporter」とのシームレスな統合に対応。複数ラベルの一括撮影から、品名・ロットの自動解釈、在庫管理DBとの自動照合・登録までを一気通貫で処理します。手入力・転記はもちろん、手動のボタン操作すら不要にすることを設計思想としています。
iPad・スマホで複数ラベルをまとめて撮影。品種ごとの枠合わせは不要。
VLMが文脈から品名・ロット番号を自律的に解釈。書式ごとの設定なし。
在庫マスタ（CSV）と類似照合し、難読文字を補正して値を確定。
i-Reporterの帳票・在庫管理DBへそのまま登録。ボタン操作も不要。
既存ラインに読み取りを追加したいか、スマホ起点で小さく始めたいか。現場の状況に合わせて、HIGH-ENDとENTRYから適した構成をご提案します。
固定ラインカメラと液体レンズを用い、高さ可変ラインや高速読み取りに対応。光学設計から装置・AIまでプロジェクト型で最適設計し、既存設備へ後付けします。
スマホ・タブレット起点で、ラベル読み取りから在庫管理・棚卸し・出庫照合までをカバー。Excel・紙管理からの移行を、スモールスタートで進められます。
読み取り・マスタ照合・登録までの一連の機能を「vlOCRパッケージ」として標準化し、WMS（倉庫管理システム）へのアドオン提供を進めています。個別開発を最小限に抑えることで、中小企業を含めた倉庫自動化の初期導入ハードルを下げます。
VLM-OCRを入口に、入庫検品・在庫管理・倉庫運用までを現場に合わせて構成します。
現場のラベル・帳票・印字対象をお送りいただければ、Nsight Edgeを土台にした読み取りの進め方をご提案します。