2026.09.04 2026.09.04

工具の形に合わせた受けを写真から作る — AIに輪郭を取らせる治具設計

ゲンキ

汎用のビンに工具を放り込むと、引き出しを開けるたびに転がる。ドライバーは重なり、ラジオペンチは絡む。欲しいのは箱ではなく、工具の形に沿った受けである。だが、そのためには工具の輪郭を CAD に持ち込まなければならない。ノギスで測って多角形を起こす作業は、1本ならまだしも、10本では気が滅入る。

従来の手はいくつかあった。工具を紙に置いて鉛筆でなぞり、その紙をスキャンして下絵にする。あるいは方眼紙の上に置いて、目視で座標を拾う。どちらも成立はするが、曲線の多い工具ほど点の数が増え、精度も落ちる。ラジオペンチの先端のような細い部分は、手でなぞると太くなりがちで、そのまま窪みにすると隙間だらけになる。作業の面倒さと出来上がりの雑さが同時に来るのが、この工程の厄介なところだった。

この工程を写真1枚に置き換える道具がある。工具を紙の上に並べて上から撮ると、AI が輪郭を抜き出し、その形の窪みを持つビンを生成する。AI を使った治具設計が現実的な意味を持つのは、こういう限定された工程においてだ。形を発明させるのではなく、輪郭を読み取らせる。

本記事は、その仕組みと限界を分解する。あわせて、どこまでを機械に任せ、どこから人間が決めるべきかを整理する。

先に結論めいたことを書いておくと、この工程で AI が担うのは全体の3割程度である。輪郭を取る部分は確かに自動化されるが、隙間の取り方も、深さも、指の掛け方も、最終的には人間が決める。にもかかわらず価値があるのは、その3割がもっとも面倒で、もっとも人間が雑になりやすい部分だからだ。

写真から輪郭を取るという発想
使われているのは「顕著性物体検出」
ローカルで動く3つのモデル
手元で動かす条件
写真を外に出すかどうか
AI が作るのは輪郭であって設計ではない
言語モデルに任せる部分
当サイトが実行していないこと
何から作るかを決める
まとめ
出典・参考

忍者AdMax

写真から輪郭を取るという発想

公開されている手順は8段階に整理されている（MIT ライセンスで公開されている tracefinity の場合）。

A4・レター・A3・タブロイドのいずれかの紙の上に工具を置く（紙からはみ出してもよい）
真上から写真を撮る
写真を読み込み、紙の四隅を調整してスケールを校正する
AI が工具の輪郭を自動で抽出する
抽出した工具をライブラリに保存する
引き出しや作業台の計画に合わせて、工具をプロジェクト単位でまとめる
まとめた工具からビンを作り、配置を調整する
STL または 3MF で書き出す

注目すべきは3番目である。写真には寸法がない。カメラの高さも角度も毎回違う。この問題を、既知の寸法を持つ紙を基準にすることで解いている。紙の四隅の位置が分かれば、写真上の1ピクセルが実寸で何ミリかが決まる。

紙のサイズ選びにも意味がある。工具に対して紙が大きすぎると、1ピクセルあたりの実寸が粗くなる。逆に紙が小さすぎると工具がはみ出し、基準となる四隅の間隔に対して対象が大きくなりすぎる。対象がちょうど収まる程度の紙を選ぶのが、精度の面では素直な選択になる。手順の側で「紙からはみ出してもよい」とされているのは、長い工具を扱えるようにするための逃げ道と考えたほうがよい。

つまりこの仕組みは、紙を定規として使っている。特別な機材も、校正用のマーカーも要らない。手元にある印刷用紙が、そのまま計測の基準になる。

撮影そのものにもいくつか気をつける点がある。真上から撮るのは、斜めから撮ると工具の側面が写り込んで輪郭が太くなるためだ。影も同じ理由で嫌われる。強い直射光を斜めから当てると、影の縁を工具の縁と取り違えかねない。曇り空の窓際か、拡散した照明の下が扱いやすい。紙が大きく波打っていると四隅の校正がずれるので、平らな面に広げてから置くとよい。

使われているのは「顕著性物体検出」

輪郭の抽出には、画像から主要な対象を切り出す種類のモデルが使われている。背景と対象を分離し、白黒のマスク画像を出力する。その後の処理は画像処理ライブラリの輪郭抽出に渡され、編集可能な多角形に変換される。

この構成には意味がある。モデルが出すのは形状データではなく、白黒の領域にすぎない。つまり出力の粒度は画素であり、そこから多角形に落とす段階で人間が編集できる余地が残る。生成モデルに「ドライバーの受けを作って」と頼む場合と違い、モデルの誤りが目に見える形で残る。

ここで使われているのが「認識」ではなく「検出」である点も、実務上は都合がよい。モデルは対象が何であるかを言い当てる必要がなく、背景と対象の境目さえ分ければ仕事が済む。したがって珍しい工具でも、自作の部品でも、名前を知られていない物でも同じように扱える。学習データに含まれていない対象で精度が落ちる、という生成モデル特有の弱点が、この工程では効きにくい。

工具の治具に使う対象は輪郭がはっきりしており、この種のモデルが得意とする領域でもある。逆に、透明なアクリル製品や、背景と同色の黒い工具は苦手になりうる。この特性は、後述するモデルの選択に関わってくる。

ローカルで動く3つのモデル

公開されている資料では、APIキーを設定しない場合はローカルのモデルが動く。ネットワークにも接続せず、費用もかからない。既定で選べるモデルは3種類ある。

モデル	処理時間（CPU）	最小メモリ	特性
IS-Net（既定）	約0.8秒	2GB	最速・最小メモリ
BiRefNet Lite	約3.6秒	8GB	反射や光沢面に強い
InSPyReNet	約2.8秒	6GB	Apple Silicon の GPU 実行に対応

メモリ要件が4倍違う点が実務的な分かれ目になる。紙の四隅を検出する別のモデルが同時に動くため、上のメモリの数字はその分を含んだ値として示されている。

品質差が効くのは、光る工具を扱うときである。クロームメッキのレンチやステンレスの定規は、照明を反射して輪郭が曖昧になる。反射に強いとされるモデルはメモリを多く使うが、撮り直しの回数が減るなら割に合う。軽いモデルで撮り直すか、重いモデルで一発で通すかという、計算資源と手間の交換になっている。

実務的な進め方としては、まず既定の軽いモデルで一通り試すのがよい。工具の多くはマットな樹脂やゴムの柄を持ち、輪郭が素直に出る。うまく取れないものだけを、重いモデルで撮り直す。すべてを重いモデルで処理する理由はない。手元の機械の主記憶が8GBに満たないなら、そもそも選択肢が絞られる点も先に確認しておきたい。

撮り直しが要る典型も挙げておく。工具どうしが接していると1つの塊として抜かれる。紙に落ちた影が濃いと、影の縁まで輪郭に含まれる。柄と紙のコントラストが低い（白い紙に淡い灰色の工具）と、境目が曖昧になる。いずれも並べ方と光の当て方で解ける問題であり、モデルを変える前に撮り方を直したほうが早い。工具の間隔を指1本ぶん空ける、という単純な対処で多くが片付く。

手元で動かす条件

配布形態はコンテナが中心で、導入の敷居は高くない。ただし条件がいくつかある。

コンテナは linux/amd64 と linux/arm64 に対応し、Apple Silicon では arm64 が動く
ARM 機器では最低2GBのメモリが必要とされ、Raspberry Pi 4/5 の4GB以上で動作するとされている
ローカルのモデルは推論ランタイムを使うため、AVX 命令を持つ CPU が必要。古い仮想環境などで AVX がない場合、ローカルの推論は使えない
GPU は任意。NVIDIA の CUDA のみ対象で、他社の GPU は対象外と明記されている

導入で気にすべきなのは、むしろ保存領域の扱いである。抽出した輪郭は再利用する資産なので、コンテナの外に保存先を確保しておかないと、作り直しのたびに撮影からやり直しになる。工具の輪郭は一度取れば長く使える。同じ工具を後から別の配置で組み直すこともあるため、ライブラリとして残す前提で置き場所を決めておきたい。

GPU が要らないというのは、この分野では珍しい前提である。画像生成のように大きなモデルを動かすわけではなく、輪郭を切り出すだけだからだ。ローカルで動かす際の資源の考え方は手元のVRAMで動くモデルを見積もる — 量子化とメモリ計算の基礎（2026-08-25 公開）で扱ったが、この用途はその枠組みの外側にある。数GBのメモリと、そこそこの CPU があれば足りる。

写真を外に出すかどうか

外部のサービスを使う設定にすると、輪郭抽出をリモートで実行できる。品質が上がる場合もあるが、補正済みの写真がその事業者に送られる。

公開資料には、この点についての説明がある。ある事業者の呼び出しは結果を履歴に残さない方式で行われ、別の事業者では推論の記録（入力画像を含む）が約1時間で自動的に消去されるとされている。後者については、それより早く消す手段は提供されていないとも明記されている。

工具の写真にどれだけの機微があるか、と思うかもしれない。だが写真には作業場が写り込む。背景に何が写っているかは、撮る前には意識しにくい。既定の設定がローカル実行であることの価値は、この点にある。何も設定しなければ、写真は手元から出ない。

判断の基準は用途で分かれる。自宅の工具を撮るだけなら、多くの人にとって実害は想像しにくい。一方、仕事場の作業台を撮る場合や、顧客から預かった部品が写り込む場合は話が変わる。守秘の対象が写るなら、既定のローカル実行から動かさない。この判断は、精度の優劣とは無関係に先に決めておくべきものである。ローカル実行を選ぶ判断軸そのものはクラウドAIの請求書を見てローカルAIを考え直す — 手元のGPUで回る仕事と回らない仕事（2026-08-24 公開）で整理した。

AI が作るのは輪郭であって設計ではない

ここが本記事の核心である。写真から得られるのは工具の投影された外形にすぎない。実際に使える受けにするには、そこから先に人間の判断が要る。

必要な判断	内容
クリアランス	輪郭ぴったりでは入らない。抜き差しできる隙間を足す
深さ	工具のどこまでを埋めるか。深すぎると取り出せない
指かかり	つまむための切り欠きをどこに設けるか
向き	引き出しを開閉したときに動きにくい配置か
段差	重ねて置くか、平置きにするか

深さ方向についても補足がいる。写真から得られるのは平面に投影された形であり、厚みの情報は含まれない。工具の断面がどう変化しているかは写らないので、窪みの深さは自分で決めることになる。柄の太い部分を基準に深くすると先端側が沈みすぎ、先端に合わせると柄が浮く。段差を付けるか、浅く受けて手で押さえるか。ここは撮影の工程がまったく助けてくれない領域である。

向きの判断も人間側に残る。同じ工具でも、刃を奥にするか手前にするかで、取り出しやすさと安全性が変わる。刃物を手前向きに並べれば、引き出しに手を入れたときに指が当たる。収納の設計は動作の設計でもあるという視点は、輪郭の精度とはまったく別の話として残り続ける。

このうちクリアランスは、印刷機の癖と素材で変わる。輪郭そのものが正しくても、隙間の取り方を誤れば使えない。この考え方は 3Dプリント公差設計入門 2026 — 「きつい・ゆるい」を数値で解決するはめあいの技術（2026-07-21 公開）で扱った内容がそのまま当てはまる。

指かかりも見落とされやすい。輪郭どおりの窪みにドライバーを落とすと、爪が入らず取り出せなくなる。治具の設計とは、入れることではなく、取り出せることを設計する作業である。

言語モデルに任せる部分

写真から輪郭を取る工程と、コードで形を作る工程は、別の道具が担う。言語モデルが有効なのは後者である。

有効な使い方は限定的だが確実だ。既存の生成スクリプトに対して、窪みの深さを変える、指かかりの切り欠きを足す、複数の受けをひとつのビンにまとめるといった変更を差分として作らせる。パラメータの意味を説明させるのも同様に効く。

指示の出し方にもこつがある。「使いやすくして」ではなく、動作で書く。「親指と人差し指で摘まんで真上に引き抜けるようにしたい」と書けば、必要な切り欠きの位置と深さが具体的な提案として返る。形容詞で頼むと解釈の幅が広く、返ってくる差分も的を外しやすい。動作を書く、寸法は渡す、判断は自分でするの3点を守れば、言語モデルはこの工程で十分に働く。

避けるべきは、規格の数値ごと生成させることである。升目や縁の断面といった規格側の値は、こちらから仕様として渡す。この線引きの理由は Gridfinity のビンを探さずに生成する — パラメトリック生成ツールの使い分け（2026-09-01 公開）で詳しく書いた。輪郭は写真から、寸法は規格から、判断は人間からという3つの入力を混ぜないことが、この工程の設計指針になる。

当サイトが実行していないこと

正直に書いておく。本記事は、上記の道具を当サイトの環境で実行した記録ではない。記述はすべて公開されている資料に基づくもので、処理時間やメモリ要件も配布元が示している値である。実行環境によって当然変わる。

なぜ実行しないまま書くのか。この道具の価値は、動かして得られる感触よりも、工程の設計にあるからだ。写真をどう撮るか、どのモデルを選ぶか、写真を外に出すか、どこから人間が判断するか。これらは実行前に決めるべき事柄であり、決め方を整理することにも独立した意味がある。

実行を伴わない記述には、その旨を明示する。この方針は当サイトが継続して取っているもので、数値の裏づけと体験の裏づけを混同しないためのものである。

読者が自分で試すなら、最短の経路は用意されている。紙と工具と手元のカメラがあれば撮影は今日できるし、輪郭を取る処理も導入すればその日のうちに動く。最初に確かめるべきは、自分の工具が素直に抜けるかどうかである。光る工具ばかりなら重いモデルが要るし、黒い樹脂の工具が多ければ背景の紙との差で決まる。1本試せば、残り何十本の見通しが立つ。

何から作るかを決める

工具全部の受けを作ろうとすると、途中で力尽きる。優先順位はつけられる。

毎日使う数本。取り出す回数が多いほど、収まりの良さが効いてくる
形が特殊で転がるもの。丸い柄、細長い刃物、重心の偏った工具
なくすと困る小物。ビット、六角レンチ、精密ドライバー

逆に、後回しでよいものもある。箱に放り込んで困らない物、つまり形が揃っていて数が多い消耗品の類は、汎用の仕切り箱で足りる。ネジやワッシャーに一つずつ窪みを作る意味はない。

この線引きは、写真を撮る段階で決まる。紙の上に並べるのは、受けを作る価値がある工具だけでよい。撮る対象を絞ることが、そのまま作業量の見積りになる。

一度に全部やらない運用も勧めておきたい。まず5本ぶんの受けを作り、2週間使ってみる。窪みが浅すぎた、指かかりが足りなかった、置く向きが逆のほうがよかった、といった気づきは、使ってみないと出てこない。その修正を反映してから残りを作るほうが、最初に30本ぶん作って全部やり直すより速い。輪郭のデータは残るので、作り直しの手間は形状の調整だけで済む。