Blog

建物点検における画像認識AI|損傷検出から報告までの活用と限界

November 12, 2026
Written by
A row of construction workers in hard hats and safety vests inspecting a large rebar foundation grid at a building site.

建物点検における画像認識AIの活用と限界

建物点検では、撮影した写真から損傷を探す作業にも時間がかかります。画像や動画を解析するコンピュータビジョン、いわゆる画像認識AIは、この確認作業の一部を担います。目に見えるひび割れ、腐食、仕上げ材の損傷などを画像から検出し、点検担当者が確認すべき候補として示します。

ただし、画像に印が付くだけでは、その後の判断に必要な情報が足りません。元の写真と建物内の位置が紐づいていれば、担当者は検出結果を確認し、報告書にまとめ、補修を担当するチームへ引き継げます。損傷の状態を評価し、追加調査が必要かを判断するのは点検担当者です。

この記事では、建物点検での主な活用場面と、撮影した写真が点検記録や報告書になるまでの流れを具体例で説明します。どの作業をAIで減らせるのか、人による確認をどこに残す必要があるのかを整理します。

建物点検で画像認識AIを使える主な場面

画像認識AIは、製造ラインでの製品検査や、建設現場での機器の監視などにも使われます。建物点検では、検出したい損傷に合わせて画像認識AIモデルを学習させたり、撮影した施工状況を図面や検査項目と照合できるようにしたりします。

ひび割れや表面の劣化を見つける

画像解析では、ひび割れ、コンクリートの欠け、塗膜の剥がれ、左官仕上げの損傷などを、詳しく確認する候補として示します。同じ箇所を撮影した過去の写真と比較すれば、ひび割れが伸びたか、表面の欠損が広がったかも確認できます。

こうした変化の記録は、点検担当者がどの箇所から詳しく調べるかを判断する材料になります。

漏水や腐食の兆候を拾う

水染み、変色、さびは、画像認識AIが検出対象にできる目に見える兆候です。例えば、天井の水染みが示されれば、点検担当者はその周辺を漏水の疑いがある箇所として調べられます。

ただし、水染みを検出しても、水がどこから入ったかまでは分かりません。補修方法を決めるには、担当者が原因をたどる必要があります。

配筋や部材の取付状況を確認する

施工状態の確認には、配筋検査への活用が挙げられます。配筋の照合に対応したシステムでは、撮影した鉄筋の配置を承認済みの図面と比較し、図面と異なる箇所を示します。コンクリートを打設する前に相違が分かれば、鉄筋が隠れる前に施工チームが修正できます。

画像で確認できる範囲では、部材の取付位置のずれ、接合部の不具合、固定金具の不足なども検出対象になります。

仕様や判定基準との照合を支援する

社内の品質基準や合否の判定基準に加え、建物の所在地によって適用される法令や点検要件も異なります。そのため、画像認識AIによる確認項目は、工事の仕様と、その建物に適用される要件の両方に合わせる必要があります。

例えば、部材の間隔や手すりの高さなどは、寸法計測に対応したシステムで、計測値を指定された範囲と比較し、差異がある箇所を示せます。点検担当者が受け取るのは、理由の分からない合否判定ではなく、どの項目を図面や基準と照合すべきかが分かる記録です。

撮影から点検記録まで、画像認識AIをどう組み込むか

ここでは、6階建ての建物で、4階の窓の下にひび割れが疑われる箇所が見つかった例を使います。表面の撮影から、点検担当者の判断を記録するまでの流れを見ていきます。

1. 位置と損傷の状態が分かる写真を撮る

外壁はドローン、屋内や個々の部材は手持ちのカメラなどで撮影します。撮影距離、角度、明るさによって、写真に写る損傷の見え方は変わります。

東面の外壁では、まず対象の階と周囲の窓が分かる全景を撮り、次に対象箇所の近接写真を撮影します。全景は位置を特定するために、近接写真は表面の状態を確認するために使います。壁の一部が影になり、損傷を確認できない場合は、撮影角度を変えて補います。

2. 損傷の候補を検出し、種類を分類する

欠陥検出AIが窓の下にひび割れの候補を見つけ、その位置を画像上に示します。物体検出では、対象を長方形の枠で囲みます。セグメンテーションを使う場合は、損傷が疑われる領域を輪郭に沿って示し、写真上で形状を確認できるようにします。

同じ写真に、ひび割れと、それとは離れた左官仕上げの損傷が写っていれば、それぞれを別の指摘事項として扱います。元の写真が同じでも、状態の評価や、その後の対応は個別に記録します。

3. 検出箇所を建物の位置情報と紐づける

現地での確認を手配する人には、「東面外壁、4階、窓番号W-406の下」のような具体的な位置情報が必要です。

位置を特定する方法の一つが、写真とCADの立面図で、窓の角など共通して確認できる点を対応付けることです。これにより、画像内の検出位置を建物の外壁上の位置と結び付けます。

再確認に向かう担当者には、損傷を示した写真と、立面図上の位置を渡します。どの窓の下を調べるのかが分かるため、現地で対象箇所を探し直す手間を減らせます。

‍

A person in a white hard hat holds a building blueprint against a clear blue sky.

4. 点検担当者が確認し、次の対応を記録する

点検担当者は、AIが示した特徴が実際にひび割れなのか、写真に判断できるだけの情報が写っているかを確認します。判断できないものは、損傷として確定したり、問題なしとして除外したりせず、追加確認が必要な状態として残します。

窓W-406の下のひび割れについて、担当者が写真上の損傷を確認したものの、補修の判断には近接調査が必要とした場合、AIの初期判定と担当者の判断を分けて記録します。

‍‍

記録項目 記入例
指摘事項ID DEF-017
元画像 F-028。対象箇所を画像上に表示
場所 東面外壁、4階、窓W-406の下
AIによる分類 ひび割れの疑い
点検担当者の所見 ひび割れを確認。近接調査が必要
次の対応 近接調査に必要なアクセス手段を手配
調査状況 近接調査待ち
補修の判断 調査結果を確認後に判断

‍

建物点検システムを維持管理システムと連携させる場合は、写真、位置情報、担当者が確認した指摘内容を、作業指示に必要な情報として引き継げます。

近接調査が終われば、調査の作業は完了です。ただし、それはひび割れの補修が終わったことを意味しません。補修が必要と判断された場合は、別の作業として登録し、その実施状況と完了を記録します。

まとめ

画像認識AIは、点検写真から目に見える損傷の候補を示し、人が一枚ずつ探す作業を減らします。大規模な建物や複数物件の点検では、この繰り返し作業に多くの時間がかかります。その負担を減らせれば、点検担当者は損傷の評価や報告書の作成など、判断が必要な仕事に時間を使えます。

そのためには、損傷を見つけた後の情報もつながっている必要があります。担当者が写真、建物内の位置、該当する点検基準を合わせて確認できれば、次に何をすべきか判断できます。その判断と根拠を報告書に残すことで、維持管理チームにも、どこにどのような対応が必要かを伝えられます。

当社の点検データ解析・管理プラットフォーム「H3 Zoom」は、外壁や内装の点検で得られた画像、指摘事項、確認記録をまとめて管理します。既存システムとの連携にも対応し、点検結果を、維持管理チームが使うシステムや社内の報告業務へ引き継げるようにします。

Next Read