Media > AI活用ユースケース > 品質管理 > 食品工場の品質管理が、防虫の粘着トラップの写真から Python で虫の数と大きさの区分を数え、トラップごとの推移と基準を超えた場所の一覧を作る

食品工場の品質管理が、防虫の粘着トラップの写真から Python で虫の数と大きさの区分を数え、トラップごとの推移と基準を超えた場所の一覧を作る

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

毎月回収する捕虫器と床置きの粘着トラップのシートを撮影台で撮り、Python で虫の数を数えて長さで小・中・大に分けます。トラップごとの月の推移と、区域ごとの基準を超えた場所の一覧にして、品質管理の担当に返します。

サマリー
連携・自動化
Python
対象業界
物流/製造/飲食
対象部門
品質管理
対象業務
内容確認・チェック/集計・分析
主な課題
人手が足りない/属人化している/確認ミスが多い
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
個別開発(大)
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. 担当が工場を回ってシートを交換し、回収したシートにフィルムをかぶせて番号を書く
  2. 品質管理の部屋で、1枚ずつルーペで見ながら、小・中・大の区分ごとに虫を数える
  3. 数を計数の表に、トラップの番号ごとに写す
  4. 前の月の表と見比べ、区域ごとの基準を超えたトラップに色を付ける
  5. 気になる虫がいたシートを取り分け、種類をルーペで確かめる
  6. 月の打合せの資料に、基準を超えた場所の一覧と推移のグラフを貼る
導入後(After)
  1. 人担当がシートを回収し、品質管理の部屋の撮影台に1枚ずつ置いて、タブレットでトラップの番号を選んでから撮る
  2. 自動撮った写真が共有フォルダに入ると、Python の処理が四隅のマーカーを見つけて傾きを直し、1mmあたり10画素にそろえる
  3. 自動粘着面の部分だけを切り出し、背景より暗い影を見つけて、ほこりの大きさのものと罫線を除く
  4. 自動残った影を1つずつ数え、長さで小・中・大に分け、塊・反射・折れの疑いに印を付ける
  5. 自動トラップの台帳の区域と基準を引き、基準を超えたトラップと、3か月続けて増えているトラップに印を付ける
  6. 自動数えた影に番号の枠を描いた確認用の画像と、トラップごとの推移の表を作る
  7. 人担当が、印の付いたシートだけを確認用の画像と実物で確かめ、数を直し、気になる虫の種類を確かめる
  8. 人毎月、印の無いシートからも20枚を選び、ルーペで数えた数と並べる
  9. 人月の打合せで、基準を超えた場所の一覧をもとに防除の業者と措置を決める
各工程の詳しい説明を読む
  1. 担当が工場を回ってシートを交換し、回収したシートにフィルムをかぶせて番号を書く
  2. 品質管理の部屋で、1枚ずつルーペで見ながら、小・中・大の区分ごとに虫を数える
  3. 数を計数の表に、トラップの番号ごとに写す
  4. 前の月の表と見比べ、区域ごとの基準を超えたトラップに色を付ける
  5. 気になる虫がいたシートを取り分け、種類をルーペで確かめる
  6. 月の打合せの資料に、基準を超えた場所の一覧と推移のグラフを貼る

(a)240枚を数えるのに時間がかかる。 1枚のシートに数十匹の小さな虫が付いていることも珍しくありません。2名で数えても、回収から打合せまでの1週間のうち2日以上がこの作業で埋まります。

(b)小さな虫の拾い方が人で違う。 1mm前後の虫は、ほこりや粘着剤の気泡と見分けにくく、数える人によって拾ったり拾わなかったりします。 担当が交代した月に小の数が急に増えると、虫が増えたのか、数え方が変わったのかが分かりません。

(c)区分の境目が目分量になる。 2mmと5mmの境目は、ルーペの目盛りと見比べて決めます。丸まった虫や斜めに付いた虫は、人によって中にも小にもなります。

(d)基準を超えた場所を見落とす。 表に写したあとに色を付ける作業は、数え終わった最後に回ります。写し間違いや色の付け忘れがあると、増えている場所が打合せの議題に上がりません。

  1. 【人】 担当がシートを回収し、品質管理の部屋の撮影台に1枚ずつ置いて、タブレットでトラップの番号を選んでから撮る
  2. 【自動】 撮った写真が共有フォルダに入ると、Python の処理が四隅のマーカーを見つけて傾きを直し、1mmあたり10画素にそろえる
  3. 【自動】 粘着面の部分だけを切り出し、背景より暗い影を見つけて、ほこりの大きさのものと罫線を除く
  4. 【自動】 残った影を1つずつ数え、長さで小・中・大に分け、塊・反射・折れの疑いに印を付ける
  5. 【自動】 トラップの台帳の区域と基準を引き、基準を超えたトラップと、3か月続けて増えているトラップに印を付ける
  6. 【自動】 数えた影に番号の枠を描いた確認用の画像と、トラップごとの推移の表を作る
  7. 【人】 担当が、印の付いたシートだけを確認用の画像と実物で確かめ、数を直し、気になる虫の種類を確かめる
  8. 【人】 毎月、印の無いシートからも20枚を選び、ルーペで数えた数と並べる
  9. 【人】 月の打合せで、基準を超えた場所の一覧をもとに防除の業者と措置を決める

7番目が、この設計の分かれ目です。人が実物を見るのは、印の付いたシートだけです。 基準を超えたもの、塊のあるもの、マーカーが読めなかったものに印が付きます。印の無いシートは、推移の表で数を流し見ます。

8番目の20枚は、省かないでください。 機械の数え方が少しずつずれていても、印は付きません。人の数と並べ続けることだけが、そのずれに気づく方法です。

02今回想定するシステム構成

構成図
回収した粘着シート(捕虫器・床置きのトラップ)
   ▼【人】撮影台に置き、トラップの番号を選んで撮る
共有フォルダ(写真 + トラップの番号)
   ▼【トリガー】写真の保存(15分ごとに新しい写真を見る)
Python(OpenCV・scikit-image・pandas)
   ├──▶ 四隅の ArUco のマーカーを見つけ、傾きを直して 1mm=10画素にそろえる
   ├──▶ 粘着面の切り出し、局所のしきい値で暗い影を取り出す
   ├──▶ ほこりと罫線を除き、影を数えて長さで小・中・大に分ける
   ├──▶ 塊・反射・折れの疑いの印
   ▼
トラップの台帳(区域・基準)と突き合わせ
   ▼
計数の表(案の欄)/確認用の画像/推移の表
   ▼【人】印の付いたシートを確かめて確定
役割想定する製品代替候補
実行環境Python(OpenCV・scikit-image・pandas)R
処理エンジンscikit-image(measure.label・regionprops、filters.threshold_local)OpenCV の connectedComponentsWithStats
集計Python(区分ごとの数、推移、基準との照合、印付け)表計算の計算式
保管品質管理部の共有フォルダ(写真、確認用の画像、数、直した記録)-
撮影撮影台(四隅にマーカー、上からの照明)とタブレット書画カメラ

新しく足すのは、撮影台と Python の処理、計数の表の案の欄です。 トラップの台帳と計数の表はこれまでどおり使い、台帳に「区域ごとの基準の数」の列を足すのが最初の準備作業です。

傾きと大きさをそろえるのに、OpenCV の ArUco のマーカーを使います。 公式のチュートリアルでは、正方形のマーカー1つで4つの角が得られ、内部の2値の符号のおかげで誤りの検出と訂正ができるとされています。検出は ArucoDetector の detectMarkers で行い、見つかった各マーカーの4つの角は、左上から時計回りの元の順で返るとされています。この機能の対象は OpenCV 4.7.0 以降と書かれています。

撮影台の四隅に、番号の違う4つのマーカーを、あらかじめ測った位置に貼ります。 4つのマーカーの左上の角が写真のどこにあるかが分かれば、撮影台の上の実際の位置(mm)との対応から、写真を真上から見た形に直せます。 直した後の画像は、全部の写真で1mmが10画素になります。

虫の影を数えるのは scikit-image です。 measure.label はつながった画素に同じ番号を振り、measure.regionprops はその番号ごとに大きさや形の値を返します。公式の説明では、regionprops は面積、外接の四角、凸包に対する割合(solidity)、最大のフェレ径などを属性として持つとされています。長さの区分には、最大のフェレ径(輪郭の凸包の上で最も離れた2点の距離)を使います。 丸まった虫でも、端から端までの長さに近い値になります。

03どうやって実装するのか

Step1

処理の起点を決める

共有フォルダに写真が保存されたことを起点にします。 品質管理の部屋の PC で15分ごとに新しい写真を探し、見つかったものを1枚ずつ処理します。処理が終わった写真は処理済みのフォルダに移し、移すのは成功したときだけにします。 撮影のフォルダに残っている枚数が、そのまま未処理の枚数になります。

撮る時点で、トラップの番号を必ず決めます。 タブレットの撮影用の表で番号を選んでから撮り、ファイル名に番号を入れます。番号の無い写真は処理しません。 番号を後から写真の中身で推し量ると、似たシートを取り違えます。

月の推移と基準の照合は、その月の回収が全部そろってから動かします。 トラップの台帳の240か所のうち、写真がそろった割合が100%になった時点か、回収の予定日の3日後に動き、そろっていないトラップは「未回収」として一覧に出します。

Step2

入力データを集める

データ中身取得元
写真撮影台の上のシートの写真(四隅のマーカーが写る)、撮った日時、トラップの番号タブレット、共有フォルダ
トラップの台帳番号、棟、区域(清潔区・準清潔区・汚染区)、置き場所、種類(捕虫器・床置き)、シートの型台帳のスプレッドシート
シートの型の表型ごとの粘着面の大きさ(mm)、撮影台の上の置き位置、罫線の有無と間隔型の表
基準の表区域・種類ごとの、区分ごとの基準の数品質管理部が決める表
過去の数トラップ・月ごとの区分ごとの数(人が確定した値)計数の表

質を決めるのは、シートの型の表です。 捕虫器のシートと床置きのトラップでは、粘着面の大きさも、印刷された罫線の間隔も違います。型の表が無いと、粘着面の外の枠や罫線を虫として数えます。

基準の表は、品質管理部が自社の記録から決めます。 区域ごとに過去1年の数の分布を見て、「いつもの範囲」を超える数を基準にします。この構成は基準を決めません。 決めた基準と照らすだけです。

Step3

データの取得方法を決める

取るものどこから何に使うか
写真とトラップの番号共有フォルダのファイル名と、撮影の記録処理の対象と、台帳との対応
区域・種類・シートの型トラップの台帳を番号で引く粘着面の切り出しと基準の選択
区分ごとの基準基準の表を区域と種類で引く基準を超えたかの判定
過去3か月の数計数の表を番号で引く増え続けているかの判定

撮影台は、照明と高さを固定します。 上から均一に照らす照明を2方向から当て、タブレットは台の上の決まった高さに置きます。フラッシュは使いません。 粘着面は光をよく返し、フラッシュの写り込みが大きな白い面になって、その下の虫が消えます。

シートはフィルムをかぶせたまま撮ります。 フィルムを外すと、ほこりが付いて数が増えます。フィルムの継ぎ目やしわの影は、反射の疑いの印で拾います。

Step4

AIへ渡す前に整形する

  1. マーカーの検出 … 四隅の4つのマーカーが全部見つからない写真は、数えずに「撮り直し」の印を付けます
  2. 傾きの補正と大きさの統一 … 4つのマーカーの左上の角と、撮影台の上の実際の位置から、真上から見た画像に直します。1mmを10画素にします
  3. 粘着面の切り出し … シートの型の表の置き位置から、粘着面だけを切り出します。端から2mmは除きます
  4. 灰色の画像にする … 黄色や白のシートでも、虫の影が背景より暗くなる灰色の画像にします
  5. 局所のしきい値 … 写真の場所ごとの明るさの違いに合わせて、場所ごとにしきい値を決めます
  6. ほこりと罫線の除去 … 小さすぎる点と、細長く伸びた線を除きます

2番目が崩れると、後ろが全部ずれます。 1mmを10画素にそろえるので、2mmの境目は20画素、5mmの境目は50画素と、全部の写真で同じ数で区分できます。マーカーの位置を測り間違えていると、全部の虫が同じ割合で大きく、または小さく数えられます。撮影台を作ったら、目盛りの付いた定規を置いて撮り、直した画像の上で10mmが100画素になるかを最初に確かめます。

5番目で、しきい値の向きに気を付けてください。 公式の説明では、threshold_local が返すのはしきい値の画像で、その値より明るい画素が前景とされるとされています。虫は背景より暗いので、前景は「しきい値より暗い画素」として自分で取ります。 向きを逆にすると、虫ではなく明るい背景を数えます。

Step5

AIに処理させる

させるのは、直した画像の中の虫の影を数え、長さで3つの区分に分けることだけです。 基準との照合、推移の判定、確認用の画像の作成は、Python の計算で行います。

段階中身使うもの
影の取り出し場所ごとのしきい値より暗い画素filters.threshold_local
ほこりの除去決めた画素の数以下の点を消すmorphology.remove_small_objects(max_size)
番号付けつながった画素ごとに番号を振るmeasure.label
形の値画素の数、最大のフェレ径、短い軸の長さ、凸包に対する割合measure.regionprops
区分長さ2mm未満を小、5mm未満を中、それ以上を大Python
印付け塊・反射・折れの疑い、基準超え、3か月の増加Python

塊の疑いは、面積と凸包に対する割合で見ます。 虫が重なると、1つの影の面積が大きくなり、形がいびつになって凸包に対する割合が下がります。面積が大の区分の典型より大きく、凸包に対する割合が低い影は数に入れず、「塊」の印を付けます。 何匹分かを面積で割って推し量ることはしません。

させないこと理由
虫の種類の同定形の似た別の虫を同じ名前で数え続ける。人がルーペで確かめる
塊の中の匹数を推し量る面積で割った数は根拠にならない。人が数える
基準の数を決める区域ごとの考え方は品質管理部と防除の業者が決める
防除の措置を決める侵入の経路の調べと薬剤の選定は人が行う
回収されていないトラップを0匹とする回収漏れと虫がいないことは別。「未回収」として出す

最後の行は、とくに気を付けてください。 写真が無いトラップを0匹として推移に入れると、基準を超えていた場所がその月だけ静かになります。

Step6

指示内容を固定する

生成AIを使わないので、プロンプトはありません。 かわりに、補正と計数の中身を示します。

import cv2
import numpy as np
from skimage import filters, measure, morphology

PX_PER_MM = 10
detector = cv2.aruco.ArucoDetector(
    cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_4X4_50),
    cv2.aruco.DetectorParameters())

def rectify(img, board):
    corners, ids, _ = detector.detectMarkers(img)
    if ids is None or not set(board["ids"]) <= set(ids.flatten()):
        return None                                   # 4隅がそろわない → 撮り直し
    found = dict(zip(ids.flatten(), corners))
    src = np.float32([found[i][0][0] for i in board["ids"]])  # 各マーカーの左上の角
    dst = np.float32(board["pos_mm"]) * PX_PER_MM              # 撮影台の上の実際の位置
    M = cv2.getPerspectiveTransform(src, dst)
    return cv2.warpPerspective(img, M, (board["w_mm"] * PX_PER_MM, board["h_mm"] * PX_PER_MM))

def count_insects(rect, sheet):
    y0, y1, x0, x1 = (np.array(sheet["glue_mm"]) * PX_PER_MM).astype(int)
    gray = cv2.cvtColor(rect[y0:y1, x0:x1], cv2.COLOR_BGR2GRAY)
    thr = filters.threshold_local(gray, block_size=151, offset=12)
    mask = gray < thr                                 # 虫は暗い。明るい側を前景にしない
    mask = morphology.remove_small_objects(mask, max_size=30)  # 30画素(0.3mm²)以下を消す
    rows = []
    for r in measure.regionprops(measure.label(mask, connectivity=2)):
        length_mm = r.feret_diameter_max / PX_PER_MM
        area_mm2 = r.num_pixels / PX_PER_MM ** 2
        if r.axis_minor_length < 3 and length_mm > 20:
            continue                                  # 罫線(細く長い)
        flag = "clump" if area_mm2 > 40 and r.solidity < 0.6 else ""
        size = "S" if length_mm < 2 else "M" if length_mm < 5 else "L"
        rows.append({"label": r.label, "size": size, "length_mm": round(length_mm, 1),
                     "area_mm2": round(area_mm2, 2), "bbox": r.bbox, "flag": flag})
    return rows

max_size=30 は、scikit-image 0.26 からの書き方です。 公式の説明では、remove_small_objects の min_size は 0.26.0 で非推奨になり、max_size は「その画素の数以下」のものを消すとされています。以前の min_size は「その大きさより小さい」ものを消していたので、同じ数を渡すと、境目ちょうどの点の扱いが変わります。 古い書き方の例をそのまま写さないでください。

長さと面積は、画素のまま受け取って自分で mm に直しています。 regionprops に spacing を渡すと面積は画素の大きさで換算されますが、どの値が換算されるかを1つずつ確かめるより、全部を画素で受け取って PX_PER_MM で割るほうが取り違えません。

block_size=151 と offset=12 は、撮影台とシートの型で決める値です。 block_size は奇数で、場所ごとのしきい値を計算する近所の大きさです。虫の大の区分(5mm=50画素)より十分大きく取らないと、大きな虫の内側が背景として扱われ、輪だけが残ります。

Step7

出力形式を固定する

担当に渡すのは、計数の表の案の欄と、基準を超えた場所の一覧です。

【11月の回収分・基準を超えたトラップ(12月2日 16:10 作成)】

番号棟・区域種類小中大基準印
B2-L07菓子棟・清潔区捕虫器1830小10・中2・大1赤(基準超え)
A1-F23惣菜棟・準清潔区床置き241小10・中5・大1黄(3か月続けて増加)
A3-F05惣菜棟・汚染区床置き962小30・中10・大3黄(塊1か所)
B1-L02菓子棟・準清潔区捕虫器----灰(撮り直し)

表の下には、印の意味と、未回収のトラップの番号を並べます。 「塊」はその影を数に入れていないこと、「撮り直し」はマーカーが読めなかったことを表します。塊のあるシートの数は、人が数えて確定するまで「確定前」と書きます。

確認用の画像も1枚ずつ作ります。 直した画像の上に、数えた影ごとに区分の色の枠と番号を描き、塊の疑いは別の色の太い枠にします。担当は、この画像とシートの実物を並べて、印の付いた枠だけを確かめます。

機械で読む用には、影ごとの行を CSV で残します。 列は、トラップの番号、撮った日時、影の番号、区分、長さ、面積、外接の四角、印、人が直した区分と直した理由です。

Step8

システムへ連携する

つなぎ先方式内容
共有フォルダ15分ごとに新しい写真を探す写真とトラップの番号
トラップの台帳スプレッドシートを読む区域・種類・シートの型
基準の表・シートの型の表スプレッドシートを読む区分ごとの基準、粘着面の位置
計数の表案の欄にだけ書く区分ごとの数と印
月の打合せの資料推移の表と一覧のファイルを置く基準を超えた場所、増え続けている場所

書き込むのは、計数の表の案の欄だけです。 担当が書く確定の欄には書きません。月の推移のグラフは確定の欄の数から作り、案の数からは作りません。

防除の業者へは、この構成から直接送りません。 一覧は打合せの資料として担当が渡し、業者の作業の指示は人が出します。

Step9

人が確認する

  1. 印の付いたシートを先に見る … 基準超え、3か月の増加、塊、撮り直しの印のあるシートを、確認用の画像と実物で確かめます
  2. 塊の匹数を数える … ルーペで数え、確定の欄に書きます
  3. 気になる虫の種類を確かめる … 大の区分の虫や、いつもと形の違う虫は、種類を確かめて記録します
  4. 印の無いシートから20枚を数える … 区域が偏らないように選び、ルーペの数と機械の数を並べます
  5. 差が大きいときは設定を見直す … 20枚の小の区分で機械の数が人より系統的に多い・少ないなら、しきい値とほこりの大きさを見直します

4番目の20枚が、この構成の物差しを保つ仕組みです。 照明の電球が古くなる、シートの型が変わる、といった変化で、機械の数は気づかないうちにずれます。 人の数との差の推移を毎月残します。

目標は、240枚をならして1枚2分です。 撮影台に置いて撮る時間と、印の付いたシートを確かめる時間を合わせた平均です。

Step10

例外に対処する

起きること対応
四隅のマーカーが写っていない・読めない数えずに「撮り直し」の印。撮影のフォルダに戻す
トラップの番号が台帳に無い処理せず担当に知らせる。番号を推し量らない
同じ番号の写真が同じ月に2枚ある新しい方を使い、古い方を残して「重複」の印
シートの型が型の表に無い切り出しをせず「型なし」の印。型の表に足してから処理し直す
塊の疑い数に入れず「塊」の印。人が数える
大きな白い面(反射)がある面積の割合が決めた値を超えたら「反射」の印。撮り直す
シートの折れ・しわ細長い暗い線が多いときは「折れ」の印。人が数える
回収の予定日を過ぎても写真が無い「未回収」として一覧に出す。0匹にしない

上から3行目までが、最初の数か月の大半を占めます。 どれも画像の処理の問題ではなく、撮影の手順の問題です。 撮影用の表で番号を選んでからでないとシャッターが押せないようにすると、ほとんど起きなくなります。

Step11

記録を残す

  • 元の写真と、直した後の画像、確認用の画像
  • 影ごとの行(区分・長さ・面積・外接の四角・印)と、処理に使った設定の値(しきい値の近所の大きさ、ほこりの大きさ)
  • 人が直した区分と匹数、直した理由、種類を確かめた記録
  • 毎月の20枚の、人の数と機械の数の差
  • 基準の表とシートの型の表の変更の履歴
  • 月の打合せで決めた措置と、その後の数の動き

2つ目で設定の値を残すのは、設定を変えた月から数の意味が変わるためです。 しきい値を変えた月に小の数が減っていたら、虫が減ったのか、数え方が変わったのかを、この記録で切り分けます。

写真は、少なくとも1年は消さずに残します。 推移の見直しで前の年の同じ月を数え直すとき、写真があれば新しい設定で処理し直せます。

04実装レベルの3段階

最小構成:撮影台で撮った写真を手元で Python に通し、30枚で人の数と比べる / 計数の試し
半自動化:上記+共有フォルダの写真を自動で処理し、区分ごとの数を計数の表の案の欄に書く / 毎月の計数
本格構成:上記+台帳と基準の照合、3か月の増加の判定、確認用の画像、未回収の一覧、毎月20枚の突き合わせの記録まで / 計数から基準超えの一覧まで

本記事の想定は本格構成です。 1枚6分が2分になります。半自動化の段階で、①のルーペでの計数と②の写しはほとんど要らなくなります。 ③の基準との照合と推移の判定が自動になるのは、本格構成からです。 段階を飛ばさないでください。 半自動化で3か月、毎月の20枚の突き合わせを続けると、どの区域のシートで機械の数がずれやすいかが分かります。 それを設定に返してから基準との照合を自動にするほうが、打合せの議題を取り違えません。

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
240 件
1件あたり現在時間
6 分
1件あたり導入後時間
2 分
現在  240件 × 6分 ÷ 60 = 24 時間/月
導入後 240件 × 2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. 工場の中に捕虫器と床置きの粘着トラップを百か所以上置き、毎月シートを回収して品質管理の担当がルーペで数え、表に写している食品工場。トラップの番号と置き場所の区域(清潔区・準清潔区・汚染区など)が台帳で決まっている場合。数える人によって小さな虫の拾い方が違い、前の月との比べ方が担当ごとにずれている場合。食品の倉庫やセントラルキッチンなど、同じように粘着トラップで調べている施設にも使える。
向いていない
  1. トラップが数十か所で、目視で数えても負担が小さい場合。防除の業者が回収と計数をすべて行い、報告書で数を受け取っている場合。虫の種類ごとの数が必要で、大きさの区分では判断に使えない場合。シートが回収のときに折れたり重ねられたりして、平らに撮れない場合。なお、虫の種類の同定、侵入の経路の調査、防除の措置と薬剤の選定、食品の安全の判断は、この構成では代替できません。

07最小構成で試す方法

  1. 撮影台を作り、四隅にマーカーを貼って、目盛りの付いた定規で10mmが100画素になるかを確かめる
  2. 先月回収したシートから30枚を選ぶ(うち数枚は、虫の多いものと塊のあるものを入れる)
  3. 30枚を撮影台で撮り、Python の処理で数を出す
  4. 同じ30枚を、2名の担当がそれぞれルーペで数える
  5. 機械の数と2名の数を、区分ごとに並べる

30枚は必ずやってください。 処理の流れを組む前に、「同じ物差しで数えられるのか」を確かめます。 2名の担当の数の違いと、機械と担当の数の違いを比べるのが目的です。

出てきた内容判断
機械と担当の差が、2名の担当どうしの差と同じくらい台帳との照合と推移の表に進む
小の区分だけ機械の数が多いほこりの大きさとしきい値の見直しで直る。構成は有効
写真ごとに数が大きくぶれる撮影台の照明と固定が先。 画像の処理の問題ではない

1行目の比べ方が大事です。 機械の数が担当の数と一致することを目標にすると、どちらの担当に合わせるかで迷います。2名の担当どうしの差より小さければ、少なくとも人と同じ程度には数えられています。

08実装時につまずきやすいポイント

問題対策
明るい背景を虫として数えるthreshold_local はしきい値より明るい画素を前景とする。虫は暗い側で取る
写真ごとに小と中の境目が動く四隅のマーカーで傾きを直し、1mmを10画素にそろえてから数える
全部の虫が同じ割合で大きく出るマーカーの位置の測り間違い。定規を撮って確かめる
ほこりの境目の扱いが変わる0.26 で min_size は非推奨。max_size は「以下」を消す
大きな虫が輪だけ残るblock_size を大の区分より十分大きくする
罫線が細長い虫として数えられる短い軸が細く長さが長い影を除く。シートの型ごとに罫線の間隔を持つ
重なった虫が1匹になる面積と凸包に対する割合で塊の印を付け、人が数える
フラッシュの反射で虫が消えるフラッシュを使わず、上から2方向の照明にする
回収漏れが0匹として推移に入る写真が無いトラップは「未回収」として出す
機械の数が少しずつずれる毎月20枚を人が数えて差を残す
種類まで機械に言わせたくなる区分だけにする。種類は人が確かめる

上の3行が、この構成の失敗のほとんどです。 どれも ERR も警告も出ないまま、それらしい数が毎月並びます。 毎月の20枚の突き合わせを見るまで気づけません。

下から2行目も早く効いてきます。 照明の古さやシートの銘柄の変更は、ある月に一度に起きるのではなく、少しずつ数をずらします。 差の推移をグラフにしておくと、ずれ始めた月が分かります。

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: トラップの写真、虫の数と区分、トラップの置き場所と区域、基準の数、防除の措置の記録です。個人の情報は扱いません。 ただし、工場の中の置き場所と虫の数は、取引先の監査や顧客の問い合わせで見られる情報です。

  1. 写真に人や製品の情報を写さない … 撮影台の上はシートだけにします。手書きのメモや製品のラベルが写り込まないようにします
  2. 基準を超えた記録を消さない、上書きしない … 人が数を直したときは、機械の数と直した数の両方を残します。直した理由も書きます
  3. 基準の数は人が決める … この構成は決めた基準と照らすだけです。基準を緩めて一覧から外すことを、仕組みの側でできないようにします
  4. 措置を決めるのは人 … 防除の措置、薬剤の使用、製品の扱いは、品質管理部と防除の業者が決めます
  5. 記録の残し方を法令と自社の決まりに合わせる … 食品衛生法施行規則の別表第十七は、ねずみと昆虫の駆除の作業を1年に2回以上行い、その記録を1年間保存することを求め、発生の場所や侵入の経路などを定期に統一的に調べ、その結果に基づいて措置を講じるなどで目的を達成できる方法なら、施設の状況に応じた方法と頻度で行えるとしています。この構成の数と写真は、その調べの記録の一部になります。保存の期間と形は自社の衛生の決まりで決めてください

誤りが起きた場合のリスクは、基準を超えた場所を見落とすことと、数え方の違いを虫の増減と取り違えることの2つです。 前者は未回収を0匹にすると起き、後者は撮影のそろえ方と設定の変更で起きます。どちらも、印の付け方と毎月の突き合わせで守ります。

10まず何から始めるか

1週目:撮影台を作る

四隅にマーカーを貼った撮影台を作り、照明と高さを固定します。定規を置いて撮り、直した画像で10mmが100画素になるかを確かめます。

2週目:表をそろえる

トラップの台帳に、シートの型と区域ごとの基準の数の列を足します。シートの型の表に、型ごとの粘着面の位置と罫線の間隔を書きます。

3〜4週目:30枚で試す

先月のシート30枚を撮って Python で数え、2名の担当のルーペの数と区分ごとに並べます。 差の大きい区分について、しきい値とほこりの大きさを見直します。

2か月目: 共有フォルダの写真を自動で処理し、計数の表の案の欄に書く半自動化に進みます。毎月の20枚の突き合わせを始めます。3か月目以降: 台帳と基準の照合、3か月の増加の判定、未回収の一覧を足します。20枚の突き合わせの差が3か月続けて担当どうしの差の範囲に収まり、打合せの資料を案の欄から作れるようになった時点で、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:2026-11-17/最終更新:2026-11-17
確認した内容情報源確認日
label がつながった画素に同じ番号を振ること(connectivity の指定)。regionprops が面積(spacing で換算)、画素の数、外接の四角、凸包に対する割合(solidity)、最大のフェレ径、長い軸・短い軸の長さなどを返すこと。scikit-image 0.26.0scikit-image: skimage.measure2026-11-17
threshold_local が場所ごとのしきい値の画像を返し、その値より明るい画素が前景とされること。block_size が奇数の近所の大きさ、offset が重み付きの平均から引く定数であることscikit-image: skimage.filters2026-11-17
remove_small_objects の min_size が 0.26.0 で非推奨になり、max_size(既定64)がその画素の数以下のものを消すことscikit-image: skimage.morphology2026-11-17
マーカー1つで4つの角が得られ、2値の符号で誤りの検出と訂正ができること。ArucoDetector の detectMarkers で検出し、角が左上から時計回りの元の順で返ること。OpenCV 4.7.0 以降が対象であることOpenCV: Detection of ArUco Markers(GitHub のチュートリアルの原文)2026-11-17
別表第十七の五(ねずみ及び昆虫対策)で、1年に2回以上の駆除の作業と記録の1年間の保存を求め、定期に統一的な調査と結果に基づく措置などで目的を達成できる方法なら、施設の状況に応じた方法と頻度で実施できるとしていること(2026-04-01 施行の版)e-Gov 法令API: 食品衛生法施行規則2026-11-17

虫の種類の同定、侵入の経路の調べ、防除の措置と薬剤の選定は、品質管理部と防除の業者が行ってください。 区域ごとの基準の数と記録の保存の形は、自社の衛生の決まりで決めてください。本記事は公開資料で確認できた範囲だけを扱っています。

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-3484)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