こんにちは。株式会社kikitoriの大木です。
kikitoriは「nimaru」という、JAや市場向けの業務SaaSを開発しています。
農業現場では、入出荷情報や栽培記録などは、紙で運用されていることが多く残っています。
今回、栽培記録を管理する機能を開発するにあたり、PCやスマートフォンから作業を登録できる仕組みに加えて、従来の紙による運用にも対応する必要がありました。
そこで、記録用紙の画像をOCRで読み取り、データ化する仕組みを構築しました。
本記事では、なぜ紙での運用にも対応する必要があるのか、それを実現するために選定したOCRサービスの理由についてご紹介します。
農業現場の課題
栽培記録とは、種をまく・収穫する・使用した農薬や肥料の内容など、栽培に関する一連の作業を記録したものです。
この記録は、市場や消費者に安心して届けられる農産物であることを証明する根拠にもなり、特に正確さが求められます。
加えて、トレーサビリティの観点からも重要です。トレーサビリティとは、「いつ・どこで・誰が・どのように」生産したかを記録・追跡できる仕組みであり、農産物の信頼性や安全性を担保するために欠かせません。
多くの産地では、エクセルなどで作成された帳票を印刷し、手書きで記録し、それを後日JAが回収・確認する運用が続いています。
紙での記録は、高齢の農業従事者にも馴染みやすく、記入の自由度も高いため、現場に定着したスタイルとして根強く残っています。
農家やJA関係者へのヒアリングから、次のような課題が多く挙がりました。
- 項目が多く、記入が大変
- 作物により帳票のレイアウトが異なり、管理が大変
- JA側での確認やシステムへの転記作業に手間がかかる
- 紙で提出された帳票は後から探しにくく、保管管理に課題がある
このように、紙での運用には合理的な理由がある一方で、情報の活用や記録の信頼性の面では改善の余地があります。
農家とJA双方の業務を尊重しながら効率化を図るには、紙で記載する運用は残しつつも、デジタル化するための仕組みが求められていました。
そのため、nimaruでは帳票そのものの形式は極力変えず、記載された情報を自動でデータ化する手段としてOCRの活用を検討しました。
導入したOCRサービス
OCRサービス各種や自前での実装も検討しましたが、最終的に Google Cloud の Document AI を採用しました。その理由は以下の3点です。
1. 基盤モデルを活用したトレーニングが行える仕組み
Document AI は、事前にトレーニングされた基盤モデルを活用しつつ、帳票ごとの追加トレーニングが可能です。 そのため、初期状態でもある程度の精度で項目を自動抽出でき、アノテーション作業の負担を大きく軽減できました。
トレーニングして評価する | Document AI | Google Cloud
2. 手書きの日本語にも対応
他のOCRサービスでは日本語対応が限定的なものもありましたが、Document AI は手書き文字を含む日本語にも対応しています。 特に栽培記録のように、手書き入力が多くを占める帳票を扱う場合、この点は導入の必須条件でした。
プロセッサのリスト | Document AI | Google Cloud
3. 既存の Google Cloud 環境をそのまま活用できる
他の機能でも Google Cloud を活用しているため、Document AI の導入もスムーズに進めることができました。
現場の運用に対応するために
帳票ごとにレイアウトや記入スタイルが異なるため、nimaruでは「書き方を変えずに使えること」を重視して設計しました。
OCRの読み取り精度を高めるため、記入欄の配置や罫線の整え方など、帳票のレイアウトにも工夫を加えています。
帳票のレイアウトを調整した場合でも、再度アノテーションを設定する作業を比較的少ない負担で行えるため、試行錯誤しながらの改善もスムーズに進めることができました。
おわりに
農業の課題をテクノロジーで解決するといっても、現場のすべてを一度に変えることはできません。帳票や業務の流れには長年の積み重ねがあり、そこには理由があります。
それでも、「いま、変えられること」から地道なチャレンジを積み重ねられるのは、農業という領域ならではの面白さであり、やりがいだと感じています。
今後も現場の運用に寄り添いながら、より良いプロダクトとなることを目指して取り組んでいきます。
