鉄筋カウントAI
鉄筋断面の写真をアップロードするとAIが本数を自動カウント。建設現場の配筋検査を効率化
AIカウントのワークフロー
現場撮影
鉄筋の断面が見える位置から、なるべく正面に近い角度で撮影します。スマートフォンのカメラで十分です。
画像アップロード
撮影した画像をこのデモにアップロード。AIが円形の断面を自動検出してカウントします。
結果確認・調整
検出結果を確認し、必要に応じて感度を調整して再検出。番号付きマーカーで見落としをチェック。
記録・報告
カウント結果をスクリーンショットで保存。配筋検査記録として活用可能です。
手動カウント vs AIカウント 比較
| 比較項目 | 手動カウント | AIカウント | 備考 |
|---|---|---|---|
| 1回あたりの計測時間 | 10〜30分 | 数秒 | 目視で1本ずつ数える vs AI自動検出 |
| 計測精度 | 99%（熟練者） | 85〜95%（画質依存） | 専用モデル学習で99%到達可能 |
| 人的ミス | 疲労で増加 | 一定 | 数百本の手動カウントは集中力低下 |
| 記録性 | 手書き・写真 | 画像+座標データ | AIは検出位置を座標で出力可能 |
| 夜間・暗所 | 困難 | 照明あれば可能 | コントラストが確保できれば検出可能 |
| 導入コスト | 人件費 | カメラ+AI環境 | スマートフォンのみでも可能 |
検出精度を上げるコツ
正面から撮影する
鉄筋の断面が円形に見える角度で撮影してください。斜めからだと楕円になり、検出精度が低下します。
十分な照明を確保
影やコントラスト不足は誤検出の原因になります。フラッシュや投光器で均一な照明を確保しましょう。
適切な距離で撮影
鉄筋1本1本の断面が画像上で10ピクセル以上になるよう、適切な距離で撮影してください。遠すぎると検出できません。
背景のコントラスト
鉄筋の色と背景のコントラストが高いほど検出精度が向上します。泥や水が付着している場合は清掃してから撮影。
感度パラメータの調整
感度が高すぎると偽検出が増え、低すぎると見落としが増えます。画像に合わせて最適な値を探してください。
高解像度で撮影
高解像度の画像ほど細い鉄筋も検出可能です。スマートフォンの場合は最高解像度設定を推奨します。
i-Construction 2.0 とAI配筋検査
国土交通省が推進するi-Construction 2.0では、建設現場のICT活用による生産性向上が目標です。 配筋検査のAI自動化は、その重点施策の一つとして位置付けられています。
配筋検査の自動化
設計図面と実際の配筋を照合する検査において、鉄筋本数の自動カウントは最も基本的な自動化項目です。i-Construction 2.0では配筋検査のICT活用が推進されています。
3次元データとの連携
鉄筋カウントAIの結果を、BIM/CIMの3次元モデルと照合することで、設計通りの配筋が施工されているかを効率的に検証できます。
ドローン×AIの活用
橋梁や高層建築の配筋検査にドローン撮影+AI解析を組み合わせることで、足場不要・高所作業不要の安全な検査を実現します。
施工記録のデジタル化
AI検出結果（本数・位置座標・画像）を電子的に記録することで、施工トレーサビリティの向上と書類作業の削減を両立します。
※ i-Construction 2.0の詳細は国土交通省の公式発表を参照してください。上記は一般的な活用方針の説明であり、特定の制度要件を保証するものではありません。
鉄筋カウントAIの活用事例
配筋検査
コンクリート打設前の配筋検査で鉄筋本数を自動カウント。設計図面との照合を効率化し、検査時間を大幅短縮。
橋梁維持管理
既存橋梁の補修・補強工事における鉄筋本数確認。ドローン撮影画像と組み合わせて高所の検査も可能。
ビル建設
高層建築の各フロアの配筋検査を迅速化。大量の鉄筋を短時間で正確にカウントし、工期短縮に貢献。
トンネル施工
トンネル覆工の鉄筋配置確認。暗所でも照明を確保すればAIカウントが可能。
材料検収
鉄筋納入時の本数確認。束になった鉄筋の断面写真からAIで自動カウントし、検収作業を効率化。
教育・訓練
配筋検査の研修教材として活用。AIの検出結果と実測値を比較することで、正確なカウント技術を習得。
本格的な配筋検査AIを構築する
このデモは画像処理ベースの簡易検出です。本格的な配筋検査AIでは、深層学習モデルで99%以上の検出精度を実現できます。
学習データ収集
現場で撮影した鉄筋断面画像にアノテーション（各鉄筋の位置をマーク）。500〜2,000枚で高精度モデルが構築可能です。
物体検出モデル学習
YOLOv11 / RF-DETR / RTDETRなどの物体検出モデルを鉄筋データセットでファインチューニング。円形検出に特化した学習で高精度化。
エッジデプロイ
Jetson Orin NanoやRaspberry Pi 5 + Hailo-8Lにモデルをデプロイ。現場のタブレットやスマートフォンでリアルタイム検出を実現。
配筋検査AIシステムの開発相談
建設現場に特化した配筋検査AI・鉄筋カウントシステムの開発をご支援します。 データ収集計画からモデル学習・エッジデプロイまで一貫対応可能です。
配筋検査に必要なエッジAI機材
ブラウザでのデモ体験後、本格的にエッジAIで配筋検査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