画像PDFの図面を高精度に読み、検図まで自動化する｜製造業のAI-OCR実装ノウハウ

複合機でスキャンしただけの画像PDFの図面を、細部までAIに正しく読ませ、検図まで自動化できるのか。

鍵になるのは、いきなり「読む」ことではなく、読めるように整える前処理と、読んだ結果を二重に確かめてから機械的に合否を判定する、という段取りの設計です。

弊社は、帳票や図面の読取りからシステム連携・チェックまでを自動化する「AI-OCRプライベート」を、お客様専用の環境で構築しています。本記事では、製造業の図面（板金・特注設計など）でよく問題になる「画像PDFが読めない」という壁を越えるために弊社が実装しているノウハウを、汎用的な技術の話として実務目線で解説します。

株式会社ロクシアシステムズは、福岡と東京を拠点に、全国のお客様へ Microsoft 365・Azure の導入支援と、AIの業務活用（AIプライベート）の支援を提供しているIT企業です。

課題｜画像PDFの図面は「読めない」がボトルネックになる

製造業の現場では、CADで作図した図面であっても、最終的な保管や回付の段階では複合機でスキャンした画像PDFになっていることが少なくありません。文字が図形の一部として画像化されているため、そのままではコンピュータが文字として扱えません。加えて、古い図面の図枠を書き直した手書き、朱書きの修正指示、A1・A0といった超大判の折り込み、FAX由来の低い解像度など、読取りを難しくする要素が重なります。

図面の読取りが本当に効いてくるのは、「文字が読めた」その先です。読み取った内容に対して、必要な表記や記号が入っているか、禁止された注記が紛れていないかを確かめる検図の工程まで自動化できて、はじめて工数削減につながります。裏を返せば、入口の読取り精度が甘いと、その先の検図の自動化はすべて土台から崩れます。だからこそ、画像PDFを「読める」状態に底上げする前処理が、最初の勝負どころになります。

弊社が実装している処理の全体像は、次の図の通りです。読取りの前後に、前処理・二重チェック・信頼度による仕分け・機械的な検図という段取りを挟むことで、画像PDFの図面でも安定して扱えるようにしています。

前処理｜画像を「読める」状態に底上げする

読取りの前段で弊社が用意しているのが、入力画像の底上げです。代表的な二つの技法があります。一つは超解像アップスケール——解像度の低いスキャンやFAX由来の画像を拡大・鮮明化し、文字を認識しやすい大きさまで持ち上げる処理です。もう一つはタイル分割による高精細読取り——A1・A0のような超大判の図面を一度に読むのではなく、画像を格子状のタイルに分けて部分ごとにOCRにかけ、結果を座標で統合します。

この二つが必要になる背景には、OCRエンジン側の入力条件があります。Azure AI Document Intelligence の読取りモデル（prebuilt-read）は、公式ドキュメントで入力画像の寸法を 50×50 ピクセル〜1万×1万ピクセルの範囲と定めており、抽出できる最小の文字の高さは、1024×768 ピクセルの画像で12ピクセル（150 DPI で約8ポイントの文字に相当）とされています。つまり、超大判をそのまま送ると上限側に、低解像度のスキャンでは最小文字高の下限側に、それぞれ引っかかりやすい。前処理は、この入力条件の内側に図面を収めるための工程だと考えると分かりやすいでしょう。

どの入力に前処理が効くかは、図面の出自によって変わります。適用の目安を整理すると次のようになります。なお、これらのDPIの数値は、上記のMicrosoftの入力条件を踏まえた弊社の実務上の目安であり、図面の状態によって最適値は前後します。

入力の種類	状態	前処理の考え方
CAD出力のPDF（ベクター）	文字がテキストとして保持されている、または高精細	画像化された文字ではないため、そのまま高い精度で読める。前処理は基本的に不要（別扱い）
高解像度スキャン（300 DPI 以上目安）	文字はくっきりしているが超大判で画素数が大きい	そのままでは寸法上限を超えやすいため、タイル分割で部分ごとに読取り、座標で統合する
低解像度スキャン・FAX（150 DPI 未満目安）	文字がつぶれ気味・かすれ・最小文字高を割り込む	超解像アップスケールで文字を認識可能な大きさへ底上げしてから読取りにかける

ここで一つ、誠実に線引きをしておきます。前処理が主に効くのは、あくまで画像化された（ラスター化された）図面です。CADからそのまま書き出したベクターPDFのように、文字がテキスト情報として保持されている図面は、そもそも高い精度で読めるため前処理の主対象ではありません。実務で問題になるのは、その多くが「一度スキャンされて画像になってしまった図面」だからこそ、この底上げが要になります。

第2の読み手｜もう一つのビジョンAIで突き合わせる

前処理で読める状態にしても、手書きや不鮮明な箇所では、一つの読取りエンジンだけでは判断に迷いが残ります。そこで弊社は、読取りを一段だけで終わらせず、性質の異なるもう一つのAIでも同じ箇所を読み、両者を突き合わせる設計を採っています。ベースとなるのは Azure AI Document Intelligence によるOCRで、これに加えて、画像を理解できるビジョンAI（画像入力に対応した生成AI）を「第2の読み手」として並走させます。

二つの読取り結果を照らし合わせ、一致していれば高い信頼で確定、食い違っていれば「要確認」に回す——このクロスチェックによって、片方だけでは見落としがちな手書きや不鮮明な文字の取り違えを、機械的にすくい上げられます。人が二人で読み合わせるダブルチェックを、AIの側で先に済ませておくイメージです。

第2の読み手にどのAIを使うかには、データの置き場所（データ主権）という判断軸が絡みます。お客様の図面という機密情報を扱う以上、処理がどのリージョンで行われるかは軽視できません。ここは公開状況が動く領域なので、確認できた事実にもとづいて整理します。

Microsoft Foundry では Anthropic の Claude をはじめ複数の生成AIが選べますが、公式ドキュメントによれば、Foundry 上の Claude は現時点で日本リージョンにデプロイできず、推論は米国のデータゾーンで行われます（アジア太平洋は「利用不可」と明記）。一方、Azure OpenAI の GPT 系には、画像入力に対応し、かつ日本リージョン内で処理が完結する形で使えるビジョンモデルが存在します。したがって、国内で処理を完結させる要件が優先される構成では、第2の読み手として日本リージョンで処理が完結する GPT 系のビジョンモデルを採用するのが理にかなう、という選定になります。

モデル選定の補足（2026年8月時点）

Azure OpenAI で、日本リージョン内での処理（リージョン内デプロイ）に対応するビジョン対応モデルの例として、gpt-4o（2024-11-20 版）や gpt-4.1-mini があります。GPT-5 系など新しいモデルも画像入力に対応しますが、モデルごとに提供リージョンやデプロイ種別（処理が国内で完結するか、グローバルで処理されるか）が異なります。提供状況はモデルの改版で頻繁に変わるため、実装時点で最新のリージョン提供状況を確認したうえで、お客様のデータ所在要件に合うモデルを選定します。Claude も、日本リージョンでの提供が始まれば、要件が許すお客様では選択肢に加えられます。

信頼度ゲート｜「要確認」だけを人が見る

読取りを二重化しても、すべてを人が見直していては工数削減になりません。ここで効くのが、AI自身が示す確からしさ（信頼度）です。Azure AI Document Intelligence の読取りモデルは、抽出した単語ごとに、内容・位置（座標）とあわせて信頼度スコアを返します。この値にしきい値を設け、しきい値を上回った箇所は自動で確定、下回った箇所と第2の読み手との不一致だけを「要確認」として人の目に回す——という仕分けが、信頼度ゲートの考え方です。

この仕分けにより、人が確認するのは全体のごく一部の「怪しいところ」に絞られます。弊社の実装では、図面上のどこが低信頼だったかをヒートマップで可視化し、確認すべき箇所へすぐ飛べるようにしています。全件を端から見直す運用と比べ、確認の的が絞られるぶん、確認者の負担は軽くなります。どこまで自動確定に寄せ、どこから人に回すかは、しきい値を上げ下げするだけで調整できるため、お客様の品質基準に合わせて運用を締めたり緩めたりできます。

信頼度ゲートで仕分けられる3つの状態

自動確定
信頼度がしきい値を上回り、第2の読み手とも一致した箇所。人の確認を要さず、そのまま次工程へ流します。
要確認
信頼度が低い、または二つの読取りが食い違った箇所。ヒートマップで場所を示し、人が確認して確定します。
読取り不可
文字として拾えなかった箇所。空欄のまま人へ回し、AIに推測で埋めさせません。

「読む」と「検図する」を分ける｜合否は決定論ルールで判定

ここまでが「読む」工程です。弊社の設計で最も大事にしているのは、この「読む」と、読んだ結果をもとに合否を出す「検図する」を、はっきり分けるという思想です。OCRとAIは「読む」ことに徹します。そして検図の合否判定は、AIに任せず決定論のルールで機械的に行います。

具体的には、読み取った文字列に対して、「この項目に必要な表記が含まれているか」「禁止された注記が紛れていないか」といった条件を、あらかじめ定めた基準に照らして機械的に突き合わせます。生成AIに「この図面は合格ですか」と判断させるのではなく、必要な文字・記号の有無や、禁止語の混入といった、文字で判定できる条件だけをルールで照合するのです。これには、実務上の大きな利点があります。

分けることで得られるもの	内容
再現性	同じ図面を何度かけても、同じ判定結果になる。AIの生成のたびに答えが揺れる、ということが起きない
監査のしやすさ	「なぜNGなのか」を、照合したルールにさかのぼって説明できる。判定の根拠が人にたどれる
責任範囲の明確さ	読取りの精度（読む側）と、合否の基準（判定する側）を切り分けて改善できる。どちらの問題かを切り分けやすい

もちろん、文字だけでは判定しきれない項目もあります。図形の見え方や、反対面の指示、朱書きの意図といった、人の目で確かめるべき事柄です。弊社はこうした項目を無理に自動でNGと断定せず、「要確認」に寄せて人の判断に委ねます。手書きや粗いスキャン、朱書きが多い図面も同様です。自動化できる範囲を「文字で確実に判定できるところ」に限り、そこは決定論で固く、迷うところは人へ——この線引きが、現場で信頼される自動化の条件だと弊社は考えています。

弊社の支援｜お客様専用のAI-OCRで、読んで・確かめて・育てる

弊社は、ここで述べた前処理・二重読取り・信頼度ゲート・決定論の検図を、お客様専用のAI-OCRとして構築しています。お客様専用のセキュアなAI基盤SaaSサービス「AIプライベート」の一つ、「AI-OCRプライベート」です。共有型のサービスの出来合いの機能を借りるのではなく、Azure の基盤の上に、お客様の図面と検図基準にフィットした読取り・チェック環境を一社ごとに構築します。データはお客様の管理下に置かれ、リージョンやモデルはお客様のデータ所在要件に合わせて選定します。

画像PDFを読める状態に底上げする前処理
超解像アップスケールとタイル分割で、低解像度スキャンや超大判の図面を、読取りエンジンが扱える状態へ整えます。
二重読取りと信頼度による仕分け
OCRと第2の読み手で突き合わせ、信頼度のしきい値で自動確定と要確認を分けます。低信頼箇所はヒートマップで可視化します。
決定論ルールによる検図の自動化
必要な文字・記号の有無や禁止語を、AIの判断ではなくルールで機械的に照合し、NG・要確認だけに絞り込みます。
使いながら育てる仕組み
用語の名寄せ辞書、誤読の補正、検図基準のマスタ、様式別のモデルを整えるほど、読取りと検図の精度が上がっていきます。

「スキャンした画像PDFの図面ばかりで、AIでは読めないのではないか」——図面の検図自動化でよく聞かれるこの不安に対して、弊社は読める状態に整え、二重に確かめ、機械的に判定するという段取りでお応えします。精度が実際にどこまで出るかは、図面の質や手書きの多さに左右されます。数値をあらかじめお約束するのではなく、実際の図面で確かめていただくのが確実です。サービスの詳細は「AI-OCRプライベート」をご覧ください。

よくあるご質問

こちらをクリックして「よくある質問」を表示

複合機でスキャンしただけの画像PDFの図面でも読めますか？

読める状態に整えてから読取りにかけます。低解像度のスキャンやFAXは超解像アップスケールで文字を認識できる大きさへ底上げし、A1・A0のような超大判はタイル分割で部分ごとに読み取って統合します。Azure AI Document Intelligence の読取りモデルは入力画像の寸法（50×50〜1万×1万ピクセル）や最小文字高（150 DPI で約8ポイント相当）に条件があり、前処理はこの条件の内側に図面を収めるための工程です。なお、CADから書き出したベクターPDFのように文字がテキストとして保持されている図面は、前処理なしで高い精度で読めます。

「第2の読み手」で二重に読むと、何が良くなるのですか？

性質の異なる二つのAIで同じ箇所を読み、結果を突き合わせることで、片方だけでは見落としがちな取り違えをすくい上げられます。二つが一致すれば高い信頼で自動確定し、食い違えば要確認として人の確認に回します。とくに手書きや不鮮明な箇所で効果があります。人が二人で読み合わせるダブルチェックを、AIの側で先に済ませておくイメージです。

図面のデータが海外で処理されないか心配です。国内で処理できますか？

お客様のデータ所在要件に合わせて、処理が日本リージョン内で完結するモデル構成を選定します。第2の読み手についても、日本リージョン内で処理が完結するビジョン対応の GPT 系モデルを採用できます。なお、モデルの提供リージョンは改版で変わるため、実装時点で最新の提供状況を確認したうえで、要件に合うモデルを選びます。データはお客様の管理下に置かれる設計です。

検図の合否判定もAIに任せるのですか？

いいえ。読取りはOCRとAIが担いますが、合否の判定はAIに任せず、決定論のルールで機械的に行います。必要な文字・記号が含まれているか、禁止された注記が紛れていないか、といった文字で判定できる条件をルールで照合します。こうすることで、同じ図面なら同じ結果になる再現性と、なぜNGなのかを根拠にさかのぼって説明できる監査のしやすさが得られます。図形の見え方や朱書きの意図など、文字だけでは判定しきれない項目は要確認として人の判断に委ねます。

確認する人の手間は、どのくらい減りますか？

全件を端から見直すのではなく、信頼度が低い箇所と二つの読取りが食い違った箇所だけを「要確認」に絞り込みます。低信頼の箇所は図面上にヒートマップで示し、確認すべき場所へすぐ飛べるようにしています。どこまで自動確定に寄せるかはしきい値で調整できるため、お客様の品質基準に合わせて運用を締めたり緩めたりできます。削減の度合いは図面の質や基準によって変わるため、実際のデータで確かめていただくのが確実です。

まず試してから導入を判断できますか？

はい。弊社では、実際の図面で読取りと検図を試していただく無料トライアルをご用意しています。いきなり作り込むのではなく、お客様のデータで精度と手応えを確かめ、検図基準の作り込み具合を見たうえで導入をご判断いただくのが確実だと考えています。読み違いのおそれがある箇所は自動で確定させず人の確認に回す設計で、取り違えを防ぎます。

画像PDFの図面の読取りや、検図の自動化のご相談は、お問い合わせよりお気軽にご連絡ください。まずは実際の図面を使った無料トライアルで、読み取りと検図の手応えをご確認いただけます。

参考（一次情報）：Microsoft Learn「Document Intelligence read model (prebuilt-read)」（入力条件・最小文字高・単語ごとの信頼度・手書き対応）／「Anthropic Claude models in Microsoft Foundry」「Region availability by deployment type」（Claude のデプロイ種別とリージョン提供状況）／「Azure OpenAI models／region availability」（ビジョン対応モデルとリージョン提供状況）。いずれも本記事公開時点の内容にもとづきます。モデルの提供リージョン・版は改版で変わるため、実装時に最新情報を確認します。