オーダーメイド画像認識AI開発サービス

    生成AI導入支援

写真1枚から「どの商品か」「どこが違うか」を示す。キャラクターグッズの画像検索・真贋判定支援AIのPoC事例

お客様業種 : キャラクターグッズ関連事業者様(PoC)

写真1枚から「どの商品か」「どこが違うか」を示す。キャラクターグッズの画像検索・真贋判定支援AIのPoC事例

取り組んだ背景

人気キャラクターのグッズには、精巧な偽造品が出回ります。
市場で見つかった商品が本物かどうかを確かめるのは、経験を積んだ担当者の仕事です。


・まず「どの商品か」を探すのに時間がかかる

ステッカー、ぬいぐるみ、キーホルダーと品目は幅広く、商品画像は数万点にのぼります。
写真を見ながら正規品の資料を探すだけでも、手間がかかります。

・真贋の見極めが人に依存している

どこを見れば偽物とわかるかは、担当者の頭の中にあります。
値札の記載、金具の形、付属品の有無など、着眼点は商品ごとに異なります。

・偽造品の画像は少ない

偽造品の写真は商品ごとに数枚しかなく、AIに「本物と偽物」を学習させるだけの枚数がそろいません。


そこで、商品を写真で探す「画像検索」と、担当者が見るべき違いを示す「真贋判定支援」の2つを、実際に動くシステムとして検証しました。

システム構成図。撮影した写真から、画像検索(Azure AI Visionでベクトル化しQdrantで検索)と真贋判定支援(値札の文字照合、観点別チェック、画像の異常検知)の2系統に分かれ、どちらも担当者の判定につながる。
検索も真贋判定も、AIは判断の材料を並べる役です。最後に決めるのは担当者です。

取り組み① 写真で商品を探す「画像検索」

商品を撮影してアップロードするだけで、登録済みの商品画像の中から見た目の近いものを、似ている順に5件並べます。
商品名や商品コードを打ち込む必要はありません。


仕組みは「画像のベクトル検索」です。画像認識AIで画像を数値の列(ベクトル)に変換し、ベクトルDBで似たベクトルをコサイン類似度の計算で検索します。
AIの学習は不要で、商品画像を登録したその瞬間から検索対象になります。

類似検索結果。類似度スコアのゲージ付きカードが5枚並び、1位が91.2%の類似。
検索結果は類似度つきのカードで表示。
同じ商品の別写真も並ぶため、見比べて選べます(スコアは画面イメージです)。

取り組み② 真贋判定を支援するAIの手法比較

真贋判定は「いきなり作る」のではなく、「どの手法なら実務で使えるか」を先に確かめました。
前提にしたのは次の3点です。


  • 学習しない方式を選ぶ:偽造品の画像が少ないため、正規品の画像1枚と見比べる比較型にする
  • 画素の微差を当てにしない:形・付属品・配色・記載内容など、写真で確実に見える点に絞る
  • 断定しない:誤って「偽物」と言う損失は大きい。AIは見るべき違いを示す役にとどめる


そのうえで、性質の異なる3つの手法を、同じ検証写真で比べました。

手法やること結果
値札の文字照合(OCR)値札の商品コード・JANコード・価格を読み取り、正しい値と照合検証では誤警報が出なかった。検出できる範囲は狭い
生成AIによる観点別チェック担当者の判定理由から起こした観点ごとに、正規品との違いを生成AIが確認画像の撮り方が変わっても安定。支援機能の主力
画像の異常検知(DINOv2)正規品の画像と細かく見比べ、食い違う場所をヒートマップで示す「どこが違うか」の位置は示せるが、撮影条件でスコアが大きく揺れる

値札の文字照合
商品コードから、値札に印字されるべき番号とJANコードを計算で導けることを確かめました。
お客様に正解データを用意していただかなくても照合できます。
「この数字とこの数字が違う」という根拠が残るため、将来の自動判定の入口になります。


生成AIによる観点別チェック
「金具の取り付け位置」「コピーライト表示」などを観点ごとに「一致/相違/確認できない」で答えさせ、所見を文章で残します。
人の判断を置き換えるものではなく、「見落としを防ぐ第2の目」という位置づけです。

正規品と確認対象のぬいぐるみを並べ、吊具と下げ札に番号を付けた図。右にAIの総合判定「偽物寄り」と、吊具の種類・下げ札の印字・下げ札の形と色がそれぞれ相違という所見。
架空キャラクターで作った検証データでの、生成AIの実際の出力(抜粋)。


画像の異常検知
白背景で撮影した場合は、本物と偽物をきれいに分けられ、違う場所もヒートマップで示せました。
しかし実際の撮影環境では、照明や背景の違いだけで本物のスコアが上がり、偽物と区別できなくなりました。

正規品、確認対象、異常検知のヒートマップを並べた図。ヒートマップは、正規品にない帽子の位置で最も強く反応している。

どの手法も、AIが「偽物です」と断定する使い方はしません。
文字照合で根拠が確定したものだけを「不一致」とし、生成AIの指摘は「人の確認が必要」として担当者に回す設計です。

PoCの成果と今後の展望

今回のPoCでは、次のことを確かめられました。

  • 写真1枚から正規品の候補を探す画像検索を、実際に使える画面まで作れた
  • 真贋判定支援では、生成AIの観点別チェックが主力になると見極められた
  • 精度を左右するのはAIの性能よりも「写真の撮り方」だとわかった


次の段階では、まず撮影の仕様を決め、そのうえで真贋判定支援を画面に組み込むことを提案しています。

担当者の判定記録を学習データとして蓄積し、運用しながら精度を高めていくことも視野に入れています。


アイソルートでは、PoCで終わらせず、撮影ルールづくりから業務への組み込みまで一貫してご支援します。

「自社の商品でも試せるか」といった段階から、お気軽にご相談ください。

ご利用いただいたサービス

最新の導入事例一覧

導入事例一覧はこちら