その図面PDF、AIに読めますか — テキスト層の有無を5分で確かめる方法

こんにちは。フライウィールの吉野です。今回は、図面PDFをAIに読ませる前に必ず確かめておきたいこと——そのPDFに「テキスト層」があるかどうか——を、特別なツールなしで5分で確認する方法をお届けします。

先に前提を一つ。PDFには大きく分けて2種類あります。文字が文字データとして埋め込まれているもの(テキスト層あり)と、文字を含む全体が1枚の画像として保存されているもの(テキスト層なし)。人間の目にはどちらも同じ図面に見えますが、機械にとっては「読める文書」と「ただの絵」というまったく別のものです。ファイルが「開ける」ことと、機械が「読める」ことは別の話——これが今回の記事の背骨です。

なぜCADで作った図面が「絵」になるのか

商談でよく伺うのが「うちの図面はCADで作っているので、テキストは取れるはずです」という期待です。もっともですし、実際そういうファイルも多くあります。ただ、図面フォルダを実際に調べると、かなりの頻度で完全な画像のPDFに出会います。

犯人は、図面が生まれてから今日までの旅路のどこかにいます。典型的には次の4つです。

1. 印刷・承認・スキャンの往復

承認印をもらうために紙に印刷し、押印後にスキャンして正本として保存した。この時点で文字情報は失われます。 

2. 受け渡し時の画像化

協力会社やお客様との受け渡しの際、改変防止や互換性のために画像形式へ変換された。 

3. システム移行の一括変換

古い図面管理システムからの移行時に、「とにかく見た目を保存する」形式で一括変換された。 

4. 出力設定

CADからのPDF出力自体が、設定によってはラスタ(画像)形式で行われていた。

どれも、その時々では合理的な判断です。誰も悪くありません。ただ、変換のたびに機械が読める情報は静かに削ぎ落とされ、最後に「人間にしか読めない図面」が残ります。皮肉なことに、承認や移管の旅路が長い——つまり大切に扱われてきた図面ほど、画像化している確率が高い傾向すらあります。

5分でできるセルフ確認 — 3つのテスト

手元のPDFビューア(Adobe Acrobat Readerや、ブラウザでの表示で構いません)だけでできます。調べたい図面を1枚開いてください。

テスト1: ドラッグ選択

図面内の文字(表題欄の図番や品名が適しています)を、マウスでなぞって選択してみてください。文字が反転して選択できればテキスト層があります。何も選択できない、または領域が四角く選択されるだけなら、そのページは画像です。

テスト2: 検索

検索機能(Ctrl+F / Cmd+F)で、画面に見えている単語——表題欄の「品名」や図番の一部——を検索してください。ヒットすればテキスト層あり。見えているのにヒットしなければ、画像であるか、次に述べる「化け」が起きています。

テスト3: コピー&ペースト

文字を選択できた場合も、油断は禁物です。選択した文字をコピーし、メモ帳などに貼り付けてください。見た目通りの文字が貼り付けばひとまず健全。見た目と違う文字や記号の羅列、部首だけのような不自然な文字が貼り付いたら、それは「読めているつもり」のPDFです。フォントの埋め込みや文字コードの都合で、表示は正しいのに中身のテキストが壊れている——サイレントデータ事故の図面版で、実はテキスト層なしより発見が遅れやすい厄介なパターンです。

結果は3タイプに分かれます。①選択も検索もコピーも正常(テキスト健全)、②選択はできるが貼り付けると壊れる(化け)、③そもそも選択できない(画像)。AIへの読ませ方は、このタイプごとに変わります。

フォルダ全体では「割合」を見る

1枚の確認は5分ですが、知りたいのは資産全体の状態のはずです。ここで大切な考え方が、前回の記事でもお伝えした「直す前に、数える」です。

全ファイルを開いて確かめる必要はありません。まず、年代・出所(自社CAD直出力か、スキャン正本か、移管データか)ごとに数枚ずつ抜き取って3つのテストを行い、タイプ①②③の分布の当たりをつけてください。経験上、画像化はランダムには起きません。「◯年以前の図面はほぼスキャン」「◯◯システム移行分は一括で画像」のように、旅路のパターンごとに固まって出ます。この分布が分かるだけで、AI導入計画の精度は大きく変わります。読める図面から先に価値を出し、画像の図面は文字認識のルートを別途設計する、という段階計画が立てられるからです。

なお、数千・数万ファイル規模でのテキスト層判定と化け検出は機械的に実行できます(私たちのAI-Ready化トライアルでは、お客様のデータ環境に応じた最適な手法（サンプル調査など）を用いて現在地を数値化しています)。

「読める」図面にも、第二の罠がある

最後に一つ、テキスト健全(タイプ①)の図面についての注意です。文字が取れることと、図面が読めることの間には、まだ距離があります。

図面という文書は、寸法の数字、表題欄の表、注記の文章、そして図形そのものが互いを参照し合う構造をしています。数字の「50」はどの線とどの線の間の50ミリなのか。注記の「※3」は図中のどこを指すのか。テキストだけを抜き出すと、この参照の糸が切れて、意味の確定しない数字と言葉の山が残ります。図面は、文章のふりをした別の生き物なのです。この構造の話は回を改めて詳しく書く予定ですが、まずは「テキストが取れる=ゴール、ではない」ことだけ、頭の片隅に置いていただければと思います。

まとめ

図面は、御社に眠るデータ資産の中で最も手強く、そして最も価値の眠った領域だと私たちは考えています。過去図面の流用設計、仕様書との突き合わせ、型式ごとの寸法比較——「あの図面、どこだっけ」で溶けている時間を思えば、なおさらです。まずは今日、代表的な図面を3枚選んで、ドラッグ・検索・コピーの3テストから始めてみませんか。

フライウィールの AI-Ready化トライアル（クイック診断） では、図面フォルダ全体のテキスト層判定・化け検出を機械的に行い、タイプ別の分布と「今のAIがどこまで正しく読めるか」を数値でお渡しします。読める図面と読めない図面の仕分けから、一緒に始めましょう。

本記事に関連する情報や、AI活用・データ利活用に役立つ最新トピックはメールマガジンでも配信しています。
[メルマガ登録はこちら]