丸太材積計測AI
丸太の断面写真から本数・直径を自動検出し、JAS規格に基づき材積を計算
丸太材積計測の仕組み
写真から丸太の断面（木口）を古典画像処理・AI物体検出・ハイブリッドの3モードで自動検出します。 AIモードは既定で丸太検出専用に学習した自作YOLOモデルを使用。OWLv2（ゼロショット物体検出）や COCO学習の汎用モデル（RF-DETR Nano / YOLOS Tiny）も比較用に選択可能です。 アスペクト比フィルタ＋コントラスト・色検証で丸太断面のみを抽出し、 JAS規格の末口二乗法（2cm括約）で材積を計算、信頼度スコアで検出品質を可視化します。
この自作YOLOの学習過程（本数recall 0.42→0.95）や Jetson・Raspberry Pi 5 での推論速度の実測は、姉妹サイト ローカルAI実測ラボの学習ケーススタディ で解説しています。
3モード検出
古典CV・AI・ハイブリッド
JAS準拠
2cm括約・テーパー補正
信頼度表示
3段階スコアリング
CSV+グラフ
径級ヒストグラム出力
処理パイプライン
画像前処理
アップロード画像をグレースケール変換し、ガウシアンぼかしでノイズを除去。高解像度処理のため最大1600px（モバイル1200px）にリサイズ。
マルチモデル検出
古典モード: 距離変換＋勾配スコアリング。AIモード: 既定は丸太検出専用に学習した自作YOLO、OWLv2（ゼロショット）・RF-DETR Nano / YOLOS Tiny（COCO学習・比較用）も選択可。アスペクト比フィルタで円形候補を抽出。ハイブリッド: 古典検出とAI検出を統合。
後処理・フィルタ
NMS（非極大値抑制）で重複除去、IQR外れ値フィルタで誤検出を除去。コントラスト＋均一性検証で背景誤検出を排除。信頼度スコアを各検出に付与。
JAS材積計算
基準丸太の実寸入力でピクセル→実寸変換。2cm括約（JAS規格）を適用し、末口二乗法または中央直径法で材積を計算。6m以上はテーパー補正適用。
使い方ガイド
丸太の断面を撮影
木口面（断面）が正面から見える角度で撮影。撮影ガイドを参考に、均一な照明で全体が映るように。
検出モードを選択
「古典検出」はモデル不要で即座に実行。「AI検出」は自作YOLO（既定）/OWLv2/RF-DETR/YOLOSから選択。「ハイブリッド」は両方を統合。
基準丸太で校正
直径がわかっている丸太を選択し「基準に設定」。実際の直径を入力して校正。計算法（末口二乗法/中央直径法）を選択。
結果確認・CSV出力
径級ヒストグラムで分布を確認。手動で拡大/縮小補正も可能。CSVにメタデータ・信頼度・径級分布を含めて出力。
精度を上げるコツ
木口面に正対して撮影
斜めから撮ると円が楕円になり検出精度が低下します。できるだけ正面から撮影してください。
均一な照明
強い影や逆光は避けてください。曇天時やフラッシュ使用が最適です。
基準物を一緒に撮影
スケール棒や既知の直径の丸太を一緒に写すと、校正が正確になります。
手動補正を活用
自動検出で漏れた丸太は画面タップで追加。選択後に拡大/縮小ボタンで径を微調整できます。
活用事例
木材検収
原木市場や土場での丸太の本数・直径を写真から自動計測。検収作業を大幅に効率化。
蓄積量推定
積み重ねた丸太の断面から材積を自動計算。林業経営の収支管理に活用。
製材工場の入荷管理
トラックで搬入された丸太の本数と寸法を迅速に記録。入荷検品の省力化に。
森林調査
林分調査での胸高直径データ収集を効率化。毎木調査の補助ツールとして。
木材取引の透明化
売買時の丸太寸法を写真で客観的に記録。取引エビデンスの確保に。
間伐材の管理
間伐作業後の集材量を現場で即座に把握。作業効率の振り返りに活用。
材積計算式
末口二乗法（JAS規格）
V = D² × L
V = 材積（m³）
D = 末口直径（m）※2cm括約（切り捨て）
L = 丸太の長さ（m）
※ 2cm括約: 直径21.5cm → 径級20cm。6m以上の丸太には2mごとに+2cmのテーパー補正を適用。
中央直径法（参考）
V = (π / 4) × Dc² × L
Dc = 中央直径（m）= 末口直径 + テーパー × L/2
免責事項: このデモは簡易的な丸太計測ツールであり、正式な木材検収の代替にはなりません。 取引や公的な記録には、JAS規格に基づく正式な計測方法をご使用ください。 検出精度は撮影条件（角度・照明・背景）に大きく依存します。 既定の自作YOLOは丸太検出専用に学習したモデルですが、木立や茂みなど背景を誤検出する場合があります。 比較用のOWLv2はゼロショット（テキスト指定）検出、RF-DETR/YOLOSはCOCO学習の汎用物体検出モデルです。 誤検出・検出漏れが生じる場合は手動補正をご利用ください。
スマート林業システムの開発
丸太計測AIを基盤に、木材トレーサビリティ、在庫管理、自動検収システムなど、 林業DXに必要なカスタムシステムを構築できます。
丸太計測に必要なエッジAI機材
林業現場での丸太材積計測AIシステムを構築するための推奨機材です。
Raspberry Pi 5 ＋ AI Camera（IMX500）。現場の一次検証・PoCに手頃。
NVIDIA Jetson Orin Nano ＋ AI Camera（IMX500）。複数カメラ・高精度・連続稼働に対応。
価格は目安（変動あり）。下のカードから用途に合うものを選んでください（全点を揃える必要はありません）。
大きなモデルの生成・推論や複数モデルの常時稼働には、Pi/Jetsonより大容量メモリ・高性能CPU/GPUを積める高性能ミニPCが快適です。
NVIDIA Jetson Orin Nano
最大67 TOPSのAI性能。複数カメラの同時処理や高精度モデルの実行に最適なエッジAIボード。
Raspberry Pi AI Camera（IMX500）
Sony IMX500搭載のAI処理内蔵カメラ。カメラ側でAI推論を実行し、ホストの負荷が極めて低い。
Raspberry Pi AI HAT+2（Hailo-10H）
2026年1月発売の公式GenAIアドオン。40 TOPS・8GB専用オンボードRAM搭載。hailo-ollama経由でNPU上のLLM推論にも対応（実測はHailo-10Hレビュー参照）。
※ 上記リンクはアフィリエイトリンクです（購入で当サイトに収益が発生する場合があります）。 価格は目安で、最新価格・在庫はリンク先でご確認ください。構成は用途の一例です。
関連デモ
AIモデルやAI推論を使わず、Canvasのルールベース画質確認、点検メモ、IndexedDBの端末内キュー、再接続後の同期判断を一続きで体験。エッジAI導入の前段となるオフライン業務基盤を確認するデモです。同期処理はシミュレーションです。
🟢 0MB（モデル不要）現場の音声をブラウザ内のWhisperで文字起こしし、道路橋の点検項目を参考にした独自JSONの下書きへ構造化。正式様式への準拠を示すものではありません。オフライン確認は既存文字起こし結果の再構造化のみで、Whisper文字起こしの再実行は対象外です。判定は点検技術者が最終確認します。
🟡 Whisper Small 約244Mパラメータ、ONNX int8 約190MB。Prompt API用モデルはブラウザ環境依存このデモを「実機」で使うには？
実測データで最適な機種を選び、つまずいたら原因→対処をたどれます。
業務への導入を検討中の方へ：このデモのような、入力に近い端末で処理する仕組みの設計・開発相談はLink Fieldへ無料で送れます。
🤝 導入の相談をする