みなさん、こんにちは！
今回は Teachable Machine を使って、経営会議などで提出される提案書に 提案者の押印があるかどうか を判定する仕組みを試してみました。📝
なぜ作ろうと思ったのか
会議で使う提案書には「提案者の承認」を示す押印を行います。
我々の会社では、残念ながらまだアナログに押印作業をしていますが、デジタル化し電子印章となっても本人の了承していることを示す重要な役割があります。
自社では一部を除き会議のデータはPDFでの配信・共有なので、実際の業務としては各部より依頼のあった提案議案のデータに押印があるかのチェックを人の目で行うため、またデータでの配信のみの対応であったため見落としや確認漏れが発生しがちでした。😥
Teachable Machine なら「印鑑のサイズは小さくても書類では赤色が目立つので、画像認識で判定できるのでは？」と思い、チャレンジすることにしました。
使用したツール
-
Teachable Machine
👉 機械学習モデルを手軽に作れるWebアプリ
作成の流れ
-
押印あり・押印なしのサンプル画像を撮影
まずは二種類のパターンを用意しました。 -
Teachable Machineで学習
-
「押印あり」クラス
-
「押印なし」クラス
の2種類で学習モデルを作成。
実装はここまでですが、この後は判別した内容を連絡する、又は通知するところまで行くと便利だと感じました。 -
＜その後やりたかったこと＞
-
Node-REDで判定フローを構築
カメラやファイル入力から画像を読み込み、モデルに判定を依頼。 -
LINEまたはPADでメール通知
判定結果をLINEもしくはPADでメールに送信。
「押印あり ✅」 or 「押印なし ❌」と返ってくるようにすると便利。
実際にやってみて分かったこと
- 赤色の印鑑は確かに画像判定しやすい 🎯
- しかし…… 印影が小さいと判定精度が落ちる という課題が判明しました。
- 提案書に押す位置やサイズがまちまちで、モデルが迷ってしまうケースも。🤔
- 光の加減や書類のゆがみでモデルが誤判定をしてしまうことも多発。
＜押印ありでも判定が微妙＞
押ありでも「なし判定100％」になってしまうことも…意外と難しいです。
今後の課題
- もっと多様なサンプル画像を集める必要がある
- 「小さい印影でも認識できる工夫（領域検出など）」を取り入れたい
まとめ
今回の試みで分かったのは、
- 「押印あり/なし」をざっくり判別することはできる
- ただし、押印のサイズが小さい場合は難しい
- また、光の加減で識別が左右される
ということです。
まだ実務にそのまま使える精度ではありませんが、今後改良を重ねPDFから読み込むなど工夫すれば「書類チェックの自動化」に一歩近づけると感じました！
あとがき
業務改善のきっかけは、ちょっとした「不便さ」に気づくことだと思います。
Teachable Machine × Node-RED の組み合わせは汎用性が高そうで、今後の可能性が大きいと感じており引き続き挑戦していきたいです。💪
最後まで読んでいただきありがとうございました！