🔥【AI×ごみ処理】深層学習がクレーン操作の「目」に！画期的な自動化システムで現場の負荷を劇的に軽減！

社会のインフラを支えるごみ処理施設の現場で、人工知能（AI）を活用した革新的な取り組みが注目を集めています。AIスタートアップ企業のリッジアイと、水処理・環境分野の大手である荏原環境プラントが共同で開発したのは、ごみ処理施設のクレーン操作を自動化に導くシステムです。これは、AIがクレーンオペレーターの「目」となり、ごみの種類を正確に識別することで、人によるクレーン制御をサポートするという画期的な仕組みでしょう。

このシステムは、2019年1月からすでに自治体のごみ処理工場にて実運用がスタートしています。開発のきっかけは、「AIを用いて、オペレーターの負荷を軽減できないか」という荏原環境プラント側からの要望でした。リッジアイの柳原尚史社長は、まず業務全体を綿密に分析し、システム全体の構造と各要素の関係性を把握したうえで、「どこにAIを適用するのが最適か」を数カ月かけて探り、AIを活用するための具体的な課題設定を行ったのです。

ごみ集積場に集められたごみは、単に焼却炉に投入されているわけではありません。ごみの燃焼を安定させるため、投入するごみを選別したり、燃焼や機器に悪影響を及ぼす可能性のあるごみを取り除いたり、ごみ袋を粉砕して中身を均一化するといった、非常に重要な作業が必要となります。今回AIが適用されたのは、この工程におけるごみの状態を識別する、いわばクレーン操作者の「目」の役割を担う部分なのです。ごみの種類によって、クレーン操作の方法が変わってくるため、この識別精度がシステム成功の鍵を握ります。

ここで用いられているのが、深層学習（ディープラーニング）というAI技術です。これは、人間の目の神経回路を模倣するところから着想された技術であり、画像を識別する能力が非常に高いのが特長です。従来の画像解析技術では困難だった複雑なタスクに対しても、深層学習は高い有効性を示します。しかし、開発には大きな壁がありました。それは、AIを学習させるために必要不可欠な「学習データそのものが存在しなかった」ということです。

この課題を乗り越えるため、まずは高解像度のカメラを何台設置し、どの方向や範囲で撮影すべきか、撮影範囲を重ねるべきかなど、試行錯誤が繰り返されました。さらに、雨の日のごみ搬入や曜日によるごみの種類といった、目に見えにくいノウハウ的な要素も、ごみの識別において決定的な要因となる可能性があったため、細心の注意が払われました。撮影範囲が決定した後は、画像から学習用のデータを作成する「アノテーション」という作業に取り組みました。

アノテーションとは、深層学習に必要な正解データ（教師データ）を作成するために、画像の中から識別対象となる部分に「汚泥」「剪定枝（せんていし）」「ごみ袋」など、事前に設定した数十種類のラベルを割り当てる（ラベル付けする）作業のことです。柳原社長は、このアノテーションの質と量が「プロジェクトの成否に直結する」と指摘されています。なぜなら、一度設定したラベルに後から別のラベルを追加しようとすると、学習データ全体を見直して一から学習をやり直す必要があり、これが深層学習の大きなハードルとなるためです。

また、今回のシステムでは、数台の高解像度カメラの画像を、そのままの状態でAIに入力しています。一般的に、深層学習で画像解析を行う際には、メモリの負荷を減らすために画像を分割処理することが多いのですが、ごみの形が不定形であるため、分割すると一つのごみが複数の領域にまたがってしまい、識別の精度が低下するという問題が発生しました。そのため、分割せずに高解像度の画像全体を扱う必要があり、結果として、高解像度の画像の1画素ごとにラベルを割り当てるという非常に手間のかかる作業となり、1枚の学習データ作成に1日かかることもあったといいます。

一部の作業は外部に委託されましたが、具体的な指示を出す必要があったことで、ラベル付けの基準が明確に言語化され、ビジネス要件がより明確になるという副次的な効果も生まれました。トータルで2年近くのシステム開発期間を経て完成したこの自動化システムは、適切なラベル提案など、荏原環境プラント側のAIに対する深い理解と協力があってこそ実現したプロジェクトです。この関東圏の施設での採用を皮切りに、今後は全国への展開も目指しているとのことです。

💡編集者としての見解とSNSでの反響

AIはあらゆる産業で技術革新と業務効率化の切り札として期待されていますが、この事例は、AI導入の成功には技術以外の事前検証と準備がいかに重要かを物語っています。特に「学習データがないなら、まずは作る」という試行錯誤のプロセスや、業務の特性に応じて常識的な処理（画像分割）をあえて行わないという判断は、AIを現場に適用するうえで非常に参考になるアプローチでしょう。単なる技術導入に終わらせず、現場のオペレーションに深く切り込み、ノウハウを形式知化していくプロセスは、デジタルトランスフォーメーション（DX）の理想的な形だと言えるのではないでしょうか。

このニュースに対し、SNS上では「ごみ処理の現場にもAIの波が来ているとは驚き」「オペレーターの負担軽減はもちろん、ごみ処理の質が安定しそう」「泥臭いデータ収集が成功の鍵という点がリアル」といった、現場の効率化と技術の可能性に対するポジティブな意見が多く見受けられます。また、「学習データ作成の苦労がよくわかる」「アノテーションの重要性が再認識された」など、AI開発における地道な作業の価値を評価する声も目立っています。

ごみ処理は、環境保全と社会の衛生を維持するために不可欠な仕事です。その最前線で、熟練者のノウハウが詰まった「目」の役割をAIが担うことで、作業の安全性が向上し、深夜や休日などの労働環境の改善にも寄与することが期待されます。リッジアイと荏原環境プラントのタッグによるこの取り組みは、日本の社会インフラを裏側から支える素晴らしいイノベーションだと言えるでしょう。