Qwen3.5 122Bの画像言語モデルとASUS Ascent GX10を活用した設計図面読み込みの検証を実施

デジタルベース株式会社は、製造業者様の設計図面を対象に、Qwen3.5 122Bの画像言語モデル機能とASUS Ascent GX10を活用した設計図面の読み込み検証を実施いたしました。

背景

製造業の現場では、設計図面の確認・検索・情報抽出に多くの工数が発生しています。過去の図面資産は紙やPDFで保管されているケースが多く、必要な情報にたどり着くまでにベテラン技術者の知見に依存する場面も少なくありません。

一方で、設計図面には機密性の高い情報が含まれるため、クラウドAIサービスへのデータ送信が許容されないケースが大半です。こうした背景から、社内データを外部に出さずに図面をAIで処理できるオフライン環境へのニーズが高まっています。

検証環境

本検証は完全オフライン環境で実施し、図面データが社外に一切出ない状態でAIによる読み込みの実用性を評価しました。

検証内容

Qwen3.5 122Bの画像言語モデルに対して、製造業者様から提供いただいた複数種類の設計図面を入力し、以下の観点で精度を検証しました。

• 図面内の部品名称・寸法・注記の読み取り
• 部品の配置・位置関係の理解
• 図面全体の構造的な意味の把握

検証結果

高精度が確認された領域

• 標準的なCAD図面については、図面の意味・位置関係を正しく理解し、高い読み取り精度を確認
• 部品名称、寸法表記、注記テキストの抽出においても実用的な精度を達成
• 図面全体の構造（正面図・側面図・断面図の関係性など）を適切に認識

精度に課題が残る領域

• 複数のモデルが1枚に含まれる図面では、各モデルの境界認識に精度低下が見られた
• 手書き図面では、文字認識・線の判別において精度が不安定になるケースを確認
• 細かい寸法補助線が密集する箇所では、読み取りミスが発生する場合があった

今後の展開

実際の業務運用に向けて、以下の取り組みにより精度向上を図ってまいります。

• 前処理の導入: 図面の自動分割、ノイズ除去、コントラスト調整による入力品質の向上
• プロンプト最適化: 図面種別に応じた読み取り指示の調整
• 複数モデル対応: 図面内の領域検出を組み合わせた段階的な読み取りフローの構築

製造業における設計図面のAI活用は、技術伝承やナレッジ検索の効率化に直結する重要なテーマです。当社は今後も、社内データを安全に活用できるオフラインAI環境の技術開発を推進してまいります。