Media > AI活用ユースケース > 購買 > 木工の工房が仕入れた板材の写真を Gemini で見て、節・割れ・反り・色むらの位置を拾い、表に見える部材と隠れる部材の区分の案を作る

木工の工房が仕入れた板材の写真を Gemini で見て、節・割れ・反り・色むらの位置を拾い、表に見える部材と隠れる部材の区分の案を作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

木工の工房が、仕入れた板材の表・裏・木口の写真を Gemini で見て、節・割れ・白太・色むら・反りの候補を位置の枠と一緒に拾います。Python が欠点の無い長さを出し、工房の決まりで表に見える部材・隠れる部材・小物の材の区分の案を作ります。

サマリー
生成AI
ChatGPT/Claude/Gemini
連携・自動化
Google Apps Script/Python
対象業界
小売/建設/製造
対象部門
購買
対象業務
内容確認・チェック/分類・仕分け
主な課題
入力作業が多い/判断に時間がかかる/属人化している
AIで行う処理
画像認識
主な効果
品質標準化/属人化解消/工数削減
導入難易度
★★☆☆☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
条件付き
現在工数
24h/月
AI導入後
8h/月
想定削減
67%
年間削減
192h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 材木店から板が届いたら、納品書と枚数・樹種・寸法を照らす
  2. 1枚ずつ作業台に載せ、表を見て節・割れ・白太・しみ・色むらにチョークで印を付ける
  3. 裏返して裏も同じように見る。木口の割れと、木口の形から反りの見当を付ける
  4. 反っていそうな板は、定規を当てて隙間を見る
  5. 欠点の位置から使い道を決め、番号札に区分を書いて貼る
  6. 在庫の台帳に樹種・寸法・区分・置き場所を入れる
導入後(After)
  1. 人板を撮影の台に載せ、番号札を貼って、表・裏・両方の木口をタブレットで撮る。寸法を入れる
  2. 自動Python が写真を受け取り、向きをそろえ、板の部分だけを切り出す
  3. 自動Gemini API に1枚分の写真を渡し、欠点の候補の種類と位置の枠、木口の反りの候補を返させる
  4. 自動Python が枠の位置を板の寸法で長さに直し、欠点の無い区間の長さを出す
  5. 自動Python が工房の決まりに当てはめ、区分の案と、反りを測るべき板の印を付ける
  6. 人担当が枠つきの写真と区分の案を見て、反りの候補の板だけ定規と隙間ゲージで測る
  7. 人担当が区分を確かめて直し、在庫の台帳に入れる
各工程の詳しい説明を読む
  1. 材木店から板が届いたら、納品書と枚数・樹種・寸法を照らす
  2. 1枚ずつ作業台に載せ、表を見て節・割れ・白太・しみ・色むらにチョークで印を付ける
  3. 裏返して裏も同じように見る。木口の割れと、木口の形から反りの見当を付ける
  4. 反っていそうな板は、定規を当てて隙間を見る
  5. 欠点の位置から使い道を決め、番号札に区分を書いて貼る
  6. 在庫の台帳に樹種・寸法・区分・置き場所を入れる

(a)両面を見るのに手が要る。 長さ2mの板を裏返すのは1人では危なく、職人が作業の手を止めて手伝います。 月に2〜3回、届いた日の午前は受け入れでつぶれます。

(b)見立てが人によって違う。 同じ板を、ある職人は「端を落とせば天板に使える」と見て、別の職人は隠れる部材に回します。後で天板の材が足りなくなり、隠れる部材の棚から良い板を探し直すことがあります。

(c)位置が記録に残らない。 番号札に書くのは区分だけで、欠点がどこにあったかは、チョークの印が消えると分からなくなります。 木取りのときに、もう一度板を見直します。

(d)台帳への打ち込みが溜まる。 受け入れの日は板を見るのが先で、台帳への打ち込みは後回しになります。台帳と棚の板が合わない期間ができ、在庫があるのに追加で頼むことがあります。

  1. 【人】 板を撮影の台に載せ、番号札を貼って、表・裏・両方の木口をタブレットで撮る。寸法を入れる
  2. 【自動】 Python が写真を受け取り、向きをそろえ、板の部分だけを切り出す
  3. 【自動】 Gemini API に1枚分の写真を渡し、欠点の候補の種類と位置の枠、木口の反りの候補を返させる
  4. 【自動】 Python が枠の位置を板の寸法で長さに直し、欠点の無い区間の長さを出す
  5. 【自動】 Python が工房の決まりに当てはめ、区分の案と、反りを測るべき板の印を付ける
  6. 【人】 担当が枠つきの写真と区分の案を見て、反りの候補の板だけ定規と隙間ゲージで測る
  7. 【人】 担当が区分を確かめて直し、在庫の台帳に入れる

5番目が、この設計の分かれ目です。 区分の案は、Gemini ではなく Python が工房の決まりで出します。 決まりは「表に見える部材には、死に節・抜け節・割れ・白太の無い区間が120cm以上要る」のような形で書くので、職人ごとの線引きの違いが、決まりの1行に置き換わります。

6番目で反りを測る板を絞るのも、意図してのことです。 木口の写真で形が弓なりに見える板、Gemini が反りの候補とした板だけを測ります。全部を測るのをやめるのではなく、測る順番を決めます。 表に見える部材の案になった板は、候補でなくても測ります。

1番目で板を裏返す手間は残ります。 ただし、裏返したら撮るだけなので、チョークで印を付けながら見る時間が無くなります。 2人で台の両側に立ち、片方が撮り、片方が裏返します。

02今回想定するシステム構成

構成図
材木店から届いた板材
   ▼【人】撮影の台に載せ、番号札を貼って表・裏・両方の木口を撮る。寸法を入れる
   ▼【トリガー】1枚分の写真がそろったとき
Python のサーバー
   ├── 向きをそろえる、板の部分だけを切り出す
   ▼
Gemini API(画像の理解・物体の検出・構造化出力)── 1枚分の写真
   │   欠点の候補の種類と位置の枠(表・裏)、木口の割れと反りの候補
   ▼
Python ── 枠を板の寸法で長さに直す → 欠点の無い区間の長さ
   │       工房の決まりで区分の案、反りを測るべき板の印
   ▼
受け入れの画面(枠つきの写真・区分の案・測るべき板)
   ▼
【人】担当が反りを測り、区分を確かめる → 在庫の台帳
役割想定する製品代替候補
処理Gemini API(板の写真から欠点の候補の種類と位置の枠、木口の反りの候補を返す)Claude API、OpenAI API
連携Python(写真の受け取りと切り出し、呼び出し、枠の長さへの換算、区分の決まりの当てはめ)Google Apps Script
撮影の台板を載せる台と、真上から撮るためのタブレットの支え-
在庫の台帳今の台帳に、区分の案と欠点の位置の欄を足す-

新しく足すのは、撮影の台と、Python のサーバーと、Gemini API の契約です。 撮影の台は、板を載せる台の上にタブレットを固定し、真上から板全体が入る高さにします。長さ2mの板を1枚で撮ると細部が粗くなるので、板を半分ずつ2枚に分けて撮り、Python が写真の順番から位置をつなぎます。

写真を見る土台は、Gemini API の画像の理解です。 公式の案内では、対応する形式は PNG、JPEG、WEBP、HEIC、HEIF で、画像を直接入れる場合は指示の文と合わせたリクエスト全体が20MBまでです。1回のリクエストに入れられる画像は3,600枚までとされているので、1枚の板の写真6枚程度は1回で渡せます。

欠点の位置は枠で返させます。 公式の案内では、物体の検出の座標は画像の大きさに対して0〜1000に正規化され、枠は box_2d として [ymin, xmin, ymax, xmax] の順で返す例が示されています。元の画像の大きさに戻すのは利用する側の仕事とされているので、Python が板の寸法を使って長さに直します。

細かい欠点を拾うために、画像の解像度の設定を使います。 公式の案内では、media_resolution は画像1枚に割り当てるトークンの上限を決める設定で、高くすると細かい文字や小さなものを見分けやすくなる一方、トークンと待ち時間が増えるとされています。新しいモデルでは、画像ごとに解像度を変えられるとされています。表と裏の写真は高く、木口の写真は標準のままにします。

03どうやって実装するのか

Step1

処理の起点を決める

起点は、1枚の板の写真がそろったときです。 受け入れの画面で番号札の番号を入れ、表の前半・表の後半・裏の前半・裏の後半・木口の両端の6枚を撮ると、Python が1枚分として受け取って処理を始めます。 6枚がそろわないうちは送りません。

届いた日の受け入れは、撮る作業だけを先に進めます。 1枚分の読み取りは数十秒かかりますが、担当はその間に次の板を撮ります。全部撮り終えてから、区分の案の一覧を上から確かめる流れにします。板を1枚撮るごとに結果を待つと、受け入れの時間が延びます。

撮り直しの写真が届いたときも、トリガーです。 ぼけや反射で読めない写真があった板は、その面だけを撮り直し、その板の区分の案を作り直します。

Step2

入力データを集める

データ中身取得元
板の写真表の前半・後半、裏の前半・後半、木口の両端(ファイル名に番号札の番号と面)受け入れの画面
板の情報番号札の番号、樹種、長さ・幅・厚さ、材木店、納品の日受け入れの画面と納品書
欠点の種類の一覧工房が見る欠点の種類と、その見分け方の言葉工房の文書
区分の決まり区分ごとに許す欠点と、欠点の無い区間に要る長さ工房の文書
樹種ごとの注意ウォールナットの白太、チェリーの色の変わりやすさ、など工房の文書

質を決めるのは、下の2つです。 区分の決まりが文書になっていなければ、Python に当てはめる規則がありません。 決まりは、職人が集まって過去の板の写真を見ながら決めます。

区分の決まりは、次のような形で書きます。

区分許す欠点欠点の無い区間に要る長さ
表に見える部材小さな生き節のみ(樹種による)120cm以上
隠れる部材生き節・色むら・小さなしみ60cm以上
小物の材欠点の間の区間を使う20cm以上
使わない割れが長い、抜け節が多い-

数字は工房ごとに違います。 上は例で、職人が実際に使っている長さに合わせて決めます。 樹種によって許す欠点が違うときは、樹種ごとの行を足します。

Step3

データの取得方法を決める

取るものどこからどうやって
写真と板の情報受け入れの画面6枚がそろったらサーバーへ送る
欠点の候補と位置の枠Gemini API1枚分の写真をまとめて渡し、構造化出力で受ける
区分の決まり工房の文書Python の設定に書く。変えたら版の日付を付ける

Gemini には、1枚分の6枚をまとめて渡します。 表の前半と後半を別々に呼ぶと、継ぎ目の近くの節を2つと数えたり、見落としたりします。まとめて渡し、写真の名前ごとに欠点を返させます。継ぎ目の重なりは、Python が位置で1つにまとめます。

位置を長さに直すために、写真を板の部分だけに切り出します。 撮影の台に板の外の色と違う色の敷物を敷き、Python が板の輪郭を見つけて切り出します。切り出した写真の横の端から端が、板の前半または後半の長さに当たるので、枠の xmin・xmax にその写真が写す長さを掛けて1000で割れば、写真の端からの長さになります。

前半と後半の写真は、少し重ねて撮ります。 撮影の台の側面に10cmごとの目印を付け、前半の写真は板の端から目印の110cmまで、後半の写真は目印の90cmから先、のようにどこからどこまでを写したかを台の目印で決めておきます。 Python は、後半の写真の位置に90cmを足して板の端からの長さに直し、重なった20cmの区間で同じ種類の欠点が近い位置にあれば1つにまとめます。

裏の写真は、板を長い辺で裏返すので、左右が逆になります。 番号札を表の左上と裏の左上の両方に貼り、Python は裏の写真の位置を板の長さから引いて、表と同じ端からの長さに直します。 これを忘れると、表の端にある節と裏の端にある節が、反対の端にあるものとして扱われます。

Step4

AIへ渡す前に整形する

  1. 向きをそろえる … 番号札が左上に来るように回し、表と裏で板の端の向きをそろえます
  2. 板の部分だけを切り出す … 敷物の色との違いで輪郭を取り、まっすぐに直します
  3. 明るさをそろえる … 撮影の台の照明を固定し、写真の白さをそろえます
  4. ぼけと反射を先に拾う … 文字のにじみや、照明の映り込みが大きい写真は撮り直しに回します
  5. 継ぎ目の重なりを記録する … 前半と後半の写真がどれだけ重なっているかを、台の目印から記録します

3番目は、色むらの見落としと拾いすぎの両方に効きます。 窓からの光で写真の片側が明るいと、その明るさの違いを色むらとして拾います。 照明を固定し、窓からの光を遮ります。

4番目を Gemini の前に置くのは、ぼけた写真から欠点を作らせないためです。 ぼけた写真では、木目の濃い部分を節と見誤ります。撮り直しが要るかは、Python の簡単な判定で先に決めます。

Step5

AIに処理させる

頼むこと中身
欠点の候補生き節・死に節・抜け節・割れ・白太・しみ・色むら・虫穴・判別できない のどれかと、写真の名前と枠
節の見分けの手がかり周りの木目とつながっているか、黒い輪があるか、穴があいているか
木口の割れ木口の写真で、割れの候補と枠
反りの候補木口の形が弓なりに見えるか(見える・見えない・判別できない)
写真の質ぼけ・暗い・反射・影

節の種類は、見分けの手がかりと一緒に返させます。 生き節は周りの木目とつながり、死に節は黒い輪で囲まれて周りと切れている、と工房の言葉で指示に書き、どの手がかりで見分けたかを返させます。 担当は、手がかりを読んで種類が合っているかを確かめます。

樹種ごとの注意は、指示の中に樹種の名前と一緒に入れます。

樹種指示に足すこと
ウォールナット白太(淡い色の帯)を、色むらではなく白太として拾う
ブラックチェリー濃い筋(ガムポケット)は、しみではなく判別できないとして拾う
ナラ木目に沿った斑(虎斑)は欠点ではない。拾わない
タモ色の濃い芯の部分は色むらとして拾う

ナラの虎斑は、書かないと欠点として拾われます。 光を受けて模様に見える部分で、工房によってはむしろ表に見える部材に使いたい模様です。 欠点ではないものを樹種ごとに書いておかないと、良い板ほど隠れる部材に回る案が出ます。

させないこと理由
区分を決める工房の決まりで Python が案を出し、担当が決める
反りの量を答える写真では測れない。定規と隙間ゲージで測る
欠点の大きさを mm で答える枠から Python が換算する。写真から長さを推し量らない
樹種を言い当てる樹種は納品書と担当が決める
含水率や強さを判断する写真では分からない。含水率は計器で測る

2行目がいちばん起きやすい失敗です。 「反りはどのくらいか」と聞けば、Gemini は「約2mm」のような数字を答えます。その数字は、木口の写真の見た目から作ったもので、測った値ではありません。 反りは「見える・見えない・判別できない」だけを返させます。

Step6

指示内容を固定する

あなたは無垢材の家具の工房で、仕入れた板の写真から欠点の候補を拾う担当です。
写真に写っているものだけを答えてください。

【渡すもの】
番号札:{board_id} 樹種:{species}
写真:表の前半・表の後半・裏の前半・裏の後半・木口A・木口B
写真の名前の末尾が面を表します。

【返すこと】
1. 欠点の候補:種類、写真の名前、枠(box_2d:[ymin, xmin, ymax, xmax]、0〜1000)
   種類は次から1つ:生き節/死に節/抜け節/割れ/白太/しみ/色むら/虫穴/判別できない
2. 節を選んだときは、見分けた手がかりを1つ書く
   (周りの木目とつながっている/黒い輪で囲まれている/穴があいている)
3. 木口の割れの候補と枠
4. 反りの候補:木口の形が弓なりに見えるか(見える/見えない/判別できない)
5. 写真の質:ぼけ・暗い・反射・影 のうち当てはまるもの

【厳守事項】
- 区分(表に見える部材に使えるか、など)を書かないでください。
- 反りの量、欠点の大きさを、mm などの数字で書かないでください。
- 樹種、含水率、強さを書かないでください。
- 木目の濃い部分か節か分からないものは「判別できない」にして、候補に入れてください。
- 照明の映り込みや影を、しみや色むらとして拾わないでください。
  分からないときは「判別できない」にしてください。
- 番号札、敷物、台の目印は欠点に含めないでください。

「判別できない」を候補に入れさせるのは、拾い漏れのほうが重いからです。 拾いすぎは担当が外せば済みますが、天板の案になった板に見落とした死に節があれば、木取りの後で分かります。 迷うものは候補に残させます。

「区分を書かない」を明記します。 Gemini は欠点を拾ううちに「この板は天板に向く」と書き添えたくなります。区分は工房の決まりで出すので、Gemini の感想を混ぜません。

Step7

出力形式を固定する

次の形のJSONで受け取ります。

{
  "board_id": "",
  "defects": [
    {
      "type": "live_knot | dead_knot | loose_knot | crack | sapwood | stain | color_variation | insect_hole | unclear",
      "photo": "face_a | face_b | back_a | back_b | end_a | end_b",
      "box_2d": [0, 0, 0, 0],
      "cue": "grain_continuous | dark_ring | hole | none"
    }
  ],
  "cupping": "visible | not_visible | unclear",
  "photo_quality": [ { "photo": "", "issues": ["blur | dark | glare | shadow"] } ]
}

box_2d を必ず持たせるのが、いちばん大事なところです。 位置が無いと、欠点の無い区間の長さが出せず、区分の案が「欠点の数」だけで決まってしまいます。

type と cue を enum で絞ります。 公式の案内では、enum で文字列を決まった値に絞れるとされています。種類と手がかりが決まった語の外に出ないので、Python の決まりの当てはめがそのまま使えます。

Python が足す項目は、次のとおりです。

項目中身
positions_cm欠点ごとの、板の端からの位置(表・裏)
clear_spans_cm欠点の無い区間の長さの一覧(表と裏の両方で欠点の無い区間)
class_draft区分の案(表に見える部材・隠れる部材・小物の材・使わない)
measure_warp反りを測るべきか(反りの候補、または表に見える部材の案)
rule_version当てはめた区分の決まりの版の日付

欠点の無い区間は、表と裏の両方で欠点の無い区間で出します。 天板は裏も削って仕上げるので、表だけ見て区間を出すと、裏の死に節が残ります。 隠れる部材は表だけで出すなど、区分ごとに見る面を決まりに書きます。

unclear の候補の扱いも、決まりに書きます。 表に見える部材の判定では、unclear を死に節と同じく区間を切るものとして扱い、区分の案を厳しい側に寄せます。担当が現物で木目と確かめて外せば、Python が区間を出し直し、区分の案が上がります。迷ったものを甘い側に倒さないことで、見落としが案に紛れ込まないようにします。

Step8

システムへ連携する

つなぎ先方式内容
受け入れの画面タブレットからサーバーへ送る写真と板の情報
Gemini APIAPI の呼び出し1枚分の写真を渡し、構造化出力で受ける
受け入れの画面Python が書き込む枠つきの写真、区分の案、反りを測るべき板
在庫の台帳担当が確かめて入れる区分、欠点の位置、反りの測った値

在庫の台帳には、担当が確かめた区分だけが入ります。 区分の案のまま台帳に入れると、木取りのときに案と現物が合わず、台帳を信じなくなります。 欠点の位置は、台帳の板ごとの欄に残し、木取りのときに枠つきの写真で見られるようにします。

呼び出しでは store=false を指定します。 公式の案内では、Interactions API は既定でリクエストを保存し、有料の枠では55日、無料の枠では1日保持するとされています。板の写真に機密は少ないものの、記録は工房のサーバーに一本化します。

Step9

人が確認する

  1. 表に見える部材の案になった板から見る … 現物を見て、見落としの死に節や割れが無いかを確かめます
  2. 反りを測るべき板を測る … 定規と隙間ゲージで測り、値を入れます
  3. 節の種類を手がかりで確かめる … 生き節と死に節の取り違えが区分を変えるからです
  4. 「判別できない」の候補を外すか残すか決める … 木目か節かを現物で見ます
  5. 区分を決めて番号札に書く … 案と違う区分にしたら、理由を残します

1番目を省かないでください。 表に見える部材は、お客様の目に触れる面です。見落とした欠点は、木取りや仕上げの後で見つかり、材も手間も無駄になります。

担当が区分を変えたら、理由と一緒に残します。 変えた理由が「決まりより厳しく見た」なのか「Gemini が節を見落とした」なのかを分けて残すと、決まりを直すべきか、指示を直すべきかが分かります。

目標は、1枚1分です。 撮る時間と、表に見える部材の案と測るべき板の確認が中心です。隠れる部材と小物の材の案になった板は、一覧で枠つきの写真を流し見て、区分を変える欠点の見落としが無ければそのまま確定します。

Step10

例外に対処する

起きること対応
写真がぼけている、反射が大きいGemini に渡す前に撮り直しへ回す
板の輪郭が切り出せない敷物と板の色が近い。敷物を替えて撮り直す
削っていない面で表面が見えにくい区分を「仮」にし、削った後に撮り直す
継ぎ目の近くで同じ節を2つ拾うPython が位置の近いものを1つにまとめる
「判別できない」が多い照明と写真の大きさを見直す
決まりに無い樹種区分の案を出さず、担当が決める
番号札が写っていない、読めないどの板の写真か分からないので、処理せずに撮り直す
板が台の目印からずれて置かれた位置の換算がずれる。台の止め木に端を当てて撮り直す
反りの候補が無いのに現物が反っている測った値を入れ、木口の写真を撮り直す
Gemini API が応答しない撮った写真を残し、従来どおり担当が見る

3行目は、仕入れ方で減らせます。 材木店に片面を軽く削ってもらう分は、写真で見える面が増え、仮の区分が減ります。 削っていない荒材を仕入れる樹種は、受け入れでは隠れる部材の仮の区分にしておき、削った後に見直します。

Step11

記録を残す

  • 板ごとの写真(切り出し前と後)と板の情報
  • Gemini が返した JSON と、Python が足した位置・区間・区分の案
  • 担当が測った反りの値、決めた区分、変えた理由
  • 当てはめた区分の決まりの版の日付
  • 木取りのときに見つかった、受け入れで見落とした欠点

最後の行が、この構成を育てる材料です。 木取りで見つかった欠点を、受け入れの写真の上で探し直すと、写真に写っていたのに拾わなかったのか、写真に写っていなかったのかが分かります。 前者は指示を、後者は撮り方を直します。

写真は、板を使い切るまで残します。 在庫の板は数か月から1年以上棚に置かれることがあり、木取りのときに受け入れの写真と見比べると、置いている間に割れが伸びたかが分かります。

04実装レベルの3段階

最小構成:短いスクリプトで1枚分の写真を API に渡し、欠点の候補と枠を返させる / 1枚の欠点の拾い出し
半自動化:上記+撮影の台と受け入れの画面から自動で送り、枠つきの写真を一覧に出す / 拾い出しと枠の表示
本格構成:上記+枠を長さに直して欠点の無い区間を出し、工房の決まりで区分の案と反りを測るべき板を出す / 受け入れの見立ての材料の準備の全体

最小構成では枚数がさばけません。 1枚ずつ手で渡すので、月480枚には使えません。欠点を拾えるかを確かめるための段階です。 半自動化で、1枚3分が2分程度になります。 印を付けながら見る時間は減りますが、区分は担当が枠つきの写真を見て決めるので、判断の時間が残ります。本格構成で1分になり、この段階が本記事の想定です。区分の決まりを文書にするまで、本格構成には進めません。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
480 件
1件あたり現在時間
3 分
1件あたり導入後時間
1 分
現在  480件 × 3分 ÷ 60 = 24 時間/月
導入後 480件 × 1分 ÷ 60 = 8 時間/月
月間削減時間
16h
削減率
67%
年間削減時間
192h
年間金額換算(時間単価2,800円)
54万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. ナラ・タモ・ウォールナット・チェリーなどの無垢の板材を材木店から毎月まとめて仕入れ、天板や前板のような表に見える部材と、裏板や引き出しの側板のような隠れる部材に振り分けてから在庫にしている家具・建具・木工品の工房。板の見立てが経験のある職人に集まり、受け入れのたびに作業の手が止まる場合。板ごとの見立てを記録に残せていない場合。
向いていない
  1. 仕入れる板が月に数十枚で、職人がその場で見れば足りる場合。仕入れの段階で等級のそろった集成材や突板の合板だけを使い、板ごとに見立てる必要が無い場合。荒材のまま在庫にし、削るまで表面が見えない運用で変えられない場合。なお、どの板をどの部材に使うかの最終の判断、含水率や強さの評価、材木店への返品や値引きの交渉は、この構成では代替しません。

07最小構成で試す方法

  1. 次に届く板のうち30枚を選び、いつもどおり職人が見立てて、チョークの印と区分を記録する
  2. 同じ30枚を、印を付ける前に表・裏・木口の6枚ずつ撮る
  3. 短い Python のスクリプトで、有料の枠の Gemini API に第7章の指示と1枚分の写真を渡す(store=false)
  4. 返ってきた枠を写真に描き、職人のチョークの印と並べる
  5. 死に節・割れ・白太の拾い漏れが無いか、木目を節と見誤っていないかを見る

30枚で十分です。 見るのは、区分を変える欠点(死に節・抜け節・割れ・白太)の拾い漏れが無いかと、枠の位置が印の位置と合っているかの2つです。

出てきた内容判断
区分を変える欠点を拾い、枠が印と合っている撮影の台と区分の決まりの当てはめに進む
生き節と死に節を取り違える見分けの手がかりの言葉を直す。構成は有効
小さな割れや白太を拾い漏らす写真の解像度と撮り方が先。 分けて撮る枚数を増やす

3行目が出たら、板を3分割して撮り、同じ30枚で試し直します。 枚数が増えても、1回のリクエストで渡せる範囲です。あわせて、表と裏の写真の解像度の設定を上げた場合と比べ、拾い漏れがどちらで減るかを見ます。

08実装時につまずきやすいポイント

問題対策
反りの量を数字で答える「見える・見えない・判別できない」だけを返させ、量は測る
生き節と死に節を取り違える見分けの手がかりを返させ、担当が手がかりで確かめる
照明の映り込みを色むらとして拾う照明を固定し、映り込みは撮り直しに回す
継ぎ目の近くで同じ節を2つ拾う6枚をまとめて渡し、Python が位置でまとめる
表だけ見て欠点の無い区間を出す区分ごとに見る面を決まりに書く
区分の案をそのまま台帳に入れる担当が確かめた区分だけを入れる
決まりが職人の頭の中のまま本格構成の前に文書にする
ナラの虎斑など、欠点でない模様を拾う樹種ごとに欠点でないものを指示に書く
裏の写真の位置が左右逆のまま換算される裏の位置を板の長さから引いて表にそろえる
文字数の制約が効かない構造化出力で外される制約は Python で確かめる

上の2行が、この構成の失敗のほとんどです。 どちらも、写真で分からないことを Gemini が分かったように答えることから起きます。板の見立てでは、写真で分かることと、手で測ることを分けておくのが正しい設計です。

下の2行は、気づきにくい失敗です。 どちらも区分の案が「なぜか厳しい」「なぜか甘い」という形で表れ、Gemini の拾い方の問題に見えます。 案と担当の判断が食い違った板は、まず枠の位置が現物の欠点の位置と合っているかを見ます。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 板の写真、樹種・寸法・材木店・納品の日、工房の区分の決まりです。撮影の台の周りに、職人の顔や、壁に貼られた注文の図面が写ることがあります。

  1. 写り込みを避ける … 撮影の台は、板と敷物だけが写る向きに置きます。お客様の名前の入った注文の図面が写る位置には置きません
  2. 有料の枠で使い、保存を止める … Gemini API の追加利用規約では、有料のサービスではプロンプトと応答が製品の改善に使われないとされ、無料の枠では人が内容を読むことがあるとされています。有料の枠で使い、あわせて store=false を指定します
  3. 利用する人を限る … 規約は18歳以上であることを利用の条件とし、18歳未満の人に向けた、または使う見込みのあるアプリでの利用を認めていないので、受け入れの画面は工房の担当だけが使う形にします。木工の体験教室など、子どもが来る場面には持ち込みません
  4. 区分の決まりは工房の財産として扱う … どの欠点をどこまで許すかは、工房の仕上がりの水準そのものです。決まりは工房のサーバーに置き、Gemini には渡しません
  5. 材木店とのやり取りは人が行う … 拾った欠点を理由に返品や値引きを求めるかは、取引の関係を見て担当が決めます。 一覧を材木店にそのまま送りません

誤りが起きた場合のリスクは、欠点を見落として表に見える部材に回すことと、使える板を隠れる部材に回すことの2つです。 前者は表に見える部材の案を必ず現物で見ることで、後者は区分の決まりを定期的に見直すことで防ぎます。どちらも Gemini の出来に頼らず、工房の手順の側で守ります。

10まず何から始めるか

1週目:区分の決まりを職人で決める

職人が集まり、過去の板と完成品を見ながら、区分ごとに許す欠点と、欠点の無い区間に要る長さを決めて文書にします。樹種ごとの注意も書きます。

2週目:30枚で試す

次に届く板の30枚を、印を付ける前に撮り、Gemini に欠点を拾わせます。区分を変える欠点の拾い漏れが無いか、枠が印と合っているかを最優先で見ます。

3週目:撮影の台を作る

板を載せる台、タブレットの支え、照明、敷物をそろえ、板を半分ずつ撮る位置に目印を付けます。

4週目:撮影から枠の表示までをつなぐ

受け入れの画面から自動で送り、枠つきの写真を一覧に出します。この時点では区分の案を出さず、欠点の拾い出しだけを担当が見ます。

2か月目: 位置の換算と区分の決まりの当てはめを足し、区分の案と測るべき板を出します。3か月目以降: 木取りで見つかった見落としを受け入れの写真で探し直し、指示と撮り方を直します。受け入れの日に職人の手が止まらなくなった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-02/最終更新:2026-11-02
確認した内容情報源確認日
画像の形式が PNG・JPEG・WEBP・HEIC・HEIF であること。画像を直接入れる場合はリクエスト全体が20MBまでであること。1回のリクエストの画像が3,600枚までであること。物体の検出の座標が画像の大きさに対して0〜1000に正規化され、box_2d を [ymin, xmin, ymax, xmax] で返す例があり、元の大きさへの換算は利用者が行うこと。画像のトークンが両辺384ピクセル以下で258、それより大きい画像は短い辺から決まる区画ごとに258であることGoogle AI for Developers: Image understanding2026-11-02
media_resolution が画像1枚に割り当てるトークンの上限を決め、高いほど細部を見分けやすい一方でトークンと待ち時間が増えること。新しいモデルでは画像ごとに解像度を変えられることGoogle AI for Developers: Media resolution2026-11-02
構造化出力を response_format(mime_type に application/json、schema)で指定すること。enum で文字列を決まった値に絞れること。minLength・maxLength はエラーにならず外されること。値はアプリ側で確かめるよう書かれていることGoogle AI for Developers: Structured output2026-11-02
Interactions API が既定でリクエストを保存し(有料の枠で55日、無料の枠で1日)、保存しない動きを選べることGoogle AI for Developers: Interactions API2026-11-02
API の利用は18歳以上が条件で、18歳未満の人に向けた、または使う見込みのあるアプリでの利用を認めないこと。有料のサービスではプロンプトと応答が製品の改善に使われないこと。無料のサービスでは人が内容を読むことがあることGemini API 追加利用規約2026-11-02

区分の決まり、欠点の見分け方、反りや含水率の基準は、工房の職人と材木店との取り決めで決めてください。 本記事は上の公式の情報で確認できた範囲だけを扱い、製材の規格の等級や、木材の強さの評価には踏み込んでいません。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-2427)についてのご相談はこちらから。

AI活用について相談する
目次