りんご・果樹園のAI鮮度・等級判定｜画像で熟度と傷を自動評価し選別を標準化

りんご果樹園のAIによる鮮度・等級判定は、画像で熟度と傷を数値化し、選別のばらつきをなくす手法です。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援）

りんご果樹園のAI鮮度・等級判定とは？画像で何を評価できるのか

りんご果樹園のAI鮮度・等級判定とは、収穫したりんごの画像をAIが解析し、熟度・傷・形・大きさから等級や階級の候補を数値で示す仕組みです。スマートフォンや固定カメラで1玉ずつ撮影するだけで、ベテランの目利きに近い評価を再現することを目指します。

AIが画像から読み取れる主な項目は次のとおりです。

• 着色度：全体の赤みの割合と色むら（着色歩合）
• 傷・障害：打撲、つる割れ、さび、日焼け、虫害、黒星病などの病斑
• 形状：偏平・いびつ・変形果の判定
• サイズ：画像上の直径から階級（L・M・Sなど）を推定
• 鮮度の兆候：果皮のしなび、油上がり、ヤケの有無

一方で、糖度や蜜入りは画像だけでは正確に判定できません。選果場で使われる近赤外光センサーの数値と組み合わせるのが現実的です。「AIで何でも自動化できる」と考えるのではなく、「これまで目で見て決めていた部分を置き換える道具」と捉えることが、失敗しないコツです。

なお、りんごの「等級」と「階級」は別の概念です。等級は着色・形・傷などの品質による区分（秀・優・良など）、階級は重さや大きさによる区分（3L・2L・L・Mなど）を指します。AI判定は画像からこの両方の候補を同時に出せる点が強みです。産地やJAによって呼び方や基準は異なるため、自園の出荷規格に合わせて設計します。

たとえば長野県の観光農園を営む果樹園の場合（想定例）、収穫期は家族3人が朝から夕方まで選別台に立ち、「秀・優・良」を目視で分けています。目が疲れる午後には判断がぶれやすく、夕方の判定は朝より厳しくなる、という声も現場では珍しくありません。AIは疲れないため、この時間帯による揺れを抑える用途で真価を発揮します。

なぜ果樹園で選別の標準化が必要なのか？属人化と人手不足の実態

果樹園の選別は、属人化・人手不足・アナログ業務という地方中小企業の三大課題がそのまま表れる工程です。農林水産省の統計では、基幹的農業従事者の平均年齢は約68歳前後で推移しており、収穫期に選別へ回せる人員は年々細っています。

実際の業務シーンを見てみましょう。収穫最盛期の朝、選果台の前に並ぶのはオーナー、古参のパート、収穫から回された新人です。同じ「ふじ」を見ても、オーナーは「この赤さなら秀」、新人は「まだ優」と判断がずれます。

山形県のりんご園を想定した例では、同じ100玉を3人が別々に選別したところ、等級が一致したのは7割前後にとどまりました。残る3割は、人によって等級が分かれる「グレーゾーンの玉」です。産地や年産にもよりますが、等級が一段変わると単価が1〜2割動くこともあり、ずれは返品や贈答用の品質クレームとして後から返ってきます。

中小企業のAI活用で狙うのは、この3つの課題への直接的な効果です。

• 属人化：基準が画像と等級ラベルで残り、誰が見ても同じ物差しになる
• 人手不足：新人でも「撮影して、判定候補を確認する」だけで戦力になる
• アナログ業務：等級・傷の種類・出荷先が自動でデータ化される

熟練者が引退すると、言葉にならなかった基準はそのまま消えます。事業承継を考える果樹園ほど、目利きを画像と数値で残す意味は大きくなります。

AIはどうやってりんごの等級を判定するのか？導入の5ステップ

AI判定は、機械を置けば動くものではありません。基準づくりと画像の蓄積に全体の工数の半分近くを使うのが実態です。標準的な進め方は次のとおりです。

1. 基準の言語化：秀・優・良、規格外の境目を、見本玉と写真で整理する
2. 撮影環境の固定：LEDライトと無地の背景で、光と角度を一定にする
3. ラベル付け：ベテランが撮影画像に等級と傷の種類を付与する
4. 学習と精度検証：ベテラン判定との一致率を品種ごとに測る
5. 現場運用と再学習：補助判定から始め、翌年の収穫で基準を更新する

画像の数は、品種ごとに数百〜1,000枚程度から試験を始めるのが目安です。「ふじ」は着色で等級が決まりやすい一方、「王林」や「シナノゴールド」のような黄色系品種は着色度の基準が使えません。地色の抜け具合やさびの出方を見る必要があるため、品種別に基準を分けることが精度の分かれ目になります。

業務シーンで言えば、収穫かごを選果台に運んだ人が、撮影台に1玉ずつ置き、画面に出た等級候補を見て「はい」か「修正」を押すだけの流れです。修正された結果は次の学習に使われるため、使うほど自園の基準に近づきます。

青森県のように出荷先ごとに規格が異なる産地を想定すると、出荷先別の基準を設定しておくことで、同じ撮影から複数の等級判定を出し分けることもできます。

目視選別とAI判定の違いは？比較表で整理

目視とAI判定のどちらかを選ぶのではなく、役割を分けて併用するのが基本です。違いを整理します。

比較項目	目視のみ	AI判定を併用
判定基準の一貫性	人・時間帯でぶれやすい	同じ物差しで一定
疲労の影響	午後に判断が変わりやすい	受けにくい
新人が戦力になる期間	数シーズン	数日〜数週間が目安
判定結果の記録	紙メモ・記憶頼み	画像と等級が自動で残る
糖度・蜜入り	切って確認する破壊検査	画像では不可（近赤外センサーと併用）
初期費用	ほぼなし	数十万円〜（規模による）

この表のとおり、AI判定の価値は「速さ」よりも「基準の一貫性」と「記録が残ること」にあります。記録が残れば、返品があったときに「どの玉を誰がどう判定したか」を画像で振り返れるため、出荷先との認識合わせにも役立ちます。

AI判定の精度を左右する要因は？撮影条件・品種・時期の3つ

同じAIでも、園によって精度に差が出ます。差を生むのは撮影条件・品種・時期の3つです。

• 撮影条件：窓からの自然光は時間帯で色が変わります。着色度の判定がぶれるため、LED照明と無地の背景で環境を固定します
• 品種：ふじ、つがる、王林、シナノゴールドなど、品種ごとに「良い着色」の基準が違います。品種を混ぜて学習させると精度が落ちます
• 時期：早生種と晩生種では果皮の状態が異なり、貯蔵後は果皮のしなびや油上がりが出ます。収穫直後と貯蔵後で基準を分けます

業務シーンの例を挙げます。ある果樹園を想定すると、午前の撮影と午後の撮影で、同じ玉なのに着色度の数値が数ポイント違って出ました。原因は選果台に差し込む西日でした。撮影台にカバーを付けただけで、この差は解消しています。AIの精度問題の多くは、アルゴリズムではなく現場の光と置き方で解決できるのです。

また、傷の判定は「どこまでが許容か」の線引きが重要です。たとえば小さなさびを秀に含めるか、優に落とすかは、園ごと・出荷先ごとに違います。AIに任せる前に、経営者と現場で線引きを決めておくと、導入後の迷いが減ります。

りんご果樹園のAI活用事例：直売・JA出荷・加工でどう変わるか

果樹園の販路によって、AI判定の使いどころは変わります。3つのタイプを、想定例で見てみましょう。

直売所・ネット販売が中心の果樹園の場合、購入者が写真と実物を見比べます。傷の見落としがそのままレビューの低評価につながるため、AIには「発送前の最終チェック」を任せます。傷の写真を出荷ごとに保存しておけば、クレーム時の説明にも使えます。

JA・市場出荷が中心の果樹園の場合、選果場の機械選別に回す前の一次選別が対象です。園地でコンテナに入れる時点で規格外を外せれば、選果場での再選別や返品のコストを減らせます。

ジュースやシードルなどの加工を持つ果樹園を導入した会社では、傷果を「捨てる」のではなく「加工原料に回す」判断が数値でできるようになります。たとえば収穫全体の1割が規格外だとすると、その使い道を決める仕組みがあるかどうかで、年間の利益は大きく変わります。

いずれも共通するのは、AIを入れる目的を「等級判定の自動化」ではなく「売上に直結する判断の標準化」に置くことです。目的が先に決まっていれば、必要な精度と機材の水準も自然に決まります。

判定データは栽培改善と販売にどう活かせるのか？

AI判定の本当の価値は、選別が楽になることよりも、等級と傷の記録が園地・品種・収穫日と結びついてデータになることにあります。これまで紙のメモや記憶に頼っていた情報が、次の一手を決める材料に変わります。

• 栽培への反映：園地別に日焼けやつる割れの発生率が分かれば、摘果や葉摘み、施肥の見直しの根拠になる
• 収穫時期の判断：着色度の推移を園地ごとに追い、収穫日の目安を客観的に決められる
• 販売への反映：等級別の出荷量を早めに見通せるため、直売の予約販売や贈答の受注枠を組みやすい

たとえば、東北の中規模果樹園で、ある園地だけ黒星病由来の斑点が多いと画像記録から分かったとします。防除のタイミングを園地単位で見直すきっかけになり、翌年の規格外率を下げる材料になります。

こうしたデータは、経営者が数字で意思決定するための土台にもなります。FURUSATOが担当者だけでなく経営者を巻き込む理由は、ここにあります。選別の効率化だけで終わらせず、栽培と販売まで含めた業務変革につなげてこそ、投資の意味が出ます。

導入費用はいくら？補助金の活用と投資回収の考え方

費用は規模で大きく変わります。あくまで目安ですが、次の2段階で考えると判断しやすくなります。

• 試行段階：スマートフォン、撮影台、クラウドの画像解析。数十万円規模で検証可能
• 運用段階：固定カメラとコンベア、既存の選果設備との連携。数百万円規模になることも

投資回収は、人件費の面から簡単に試算できます。選別要員2名×繁忙期40日×1日8時間×時給1,200円＝約77万円です。AIの補助判定で確認作業を半分に減らせれば、年間約38万円の人件費に相当する時間を空けられます。ここに返品削減や等級のぶれの解消による売上改善が加わります。ただしこれは試算であり、実際の効果は園の規模や品種構成で変わります。だからこそ、まず試行段階で自園のデータを取ることが重要です。

補助金は、中小企業基盤整備機構（中小機構）や経済産業省の中小企業向け施策、自治体の農業DX支援が候補になります。公募の要件や時期は年度ごとに変わるため、申請前に必ず最新の情報を確認してください。

失敗しない進め方は？「ツール」より先に「仕組み」を変える

果樹園のAI導入で最も多い失敗は、機械を入れたのに現場が使わなくなることです。原因はたいてい、機械の性能ではなく、判定基準が決まっていない・誰が最終判断をするか曖昧・記録の使い道がないという業務の側にあります。

FURUSATO（フルサト）は、地方中小企業専門のAI活用・DX支援サービスです。「ITシステム導入」ではなく「業務変革」を重視し、ツールより先に仕組みを変えることを前提にしています。属人化・人手不足・アナログ業務という地方中小企業の三大課題の解消に特化し、製造業・建設業・物流・卸売業・サービス業など業種別の支援実績があります。青果や食品の卸売、製造の検品で培った「目利きの標準化」の考え方は、果樹園の選別にも転用できます。

もう一つの特徴は、担当者だけでなく経営者・社長を巻き込んだ変革を支援することです。選別基準は品質と販売価格に直結する経営判断のため、現場任せにすると基準がまた個人に戻ってしまいます。

初回の無料のオンライン相談（30〜60分）では、いきなりシステムを提案せず、次の課題整理から着手します。

1. 選別台と出荷の流れを実際に見て、属人化している判断を洗い出す
2. 等級ごとの単価と返品の実績から、改善効果の大きい工程を特定する
3. 基準の言語化と少量の写真での試行という、最初の一歩を決める

中小企業のAI活用は、大きく始めるより、小さく確かめて広げるほうが成功率は上がります。収穫期の前に準備を始めれば、その年の繁忙期に試行を回せます。

年間の動き方の目安は次のとおりです。春〜夏に基準の言語化と撮影環境の準備、9〜11月の収穫期に少量での試行、冬に精度の振り返りと基準の更新という流れです。一度の収穫期で全てを完成させようとせず、2シーズンかけて育てる前提にすると、現場の負担も小さくなります。

たとえば、直売と贈答が中心の果樹園の場合、最初の1シーズンは「贈答用の秀だけ」をAIで確認する範囲に絞る方法があります。対象を絞れば基準も明確になり、成果が見えやすくなります。うまくいった範囲から、優・良、加工向けへと広げるのが確実です。

導入後に確認したい指標は、ベテラン判定との一致率、返品・クレーム件数、選別にかかる時間、新人が独り立ちするまでの日数の4つです。数字で追えば、続けるか見直すかの判断も社長自身ができます。

よくある質問（FAQ）

Q: 画像AIだけでりんごの糖度や蜜入りは分かりますか？

A: 画像だけでは正確な糖度や蜜入りの判定は困難です。近赤外光センサーなど非破壊の糖度計と併用し、画像AIは着色・傷・形の判定に役割を絞る構成が現実的で、品種ごとの基準設定も欠かせません。

Q: 小規模な果樹園でも導入できますか？

A: できます。最初はスマートフォンと簡易な撮影台で数百枚の画像を集める試行から始められ、数十万円規模で検証できます。ラインを組む前に効果を確かめるのが安全で、地方中小企業の果樹園に向く進め方です。

Q: AIの判定精度はどのくらいですか？

A: 品種・撮影条件・基準の明確さで大きく変わります。目安として、ベテランの判定との一致率を試験で測り、7〜8割を超えてから補助運用に移す進め方が堅実です。最初から全自動にはしません。

Q: 補助金は使えますか？

A: 対象になる可能性があります。中小機構や経済産業省の中小企業向け施策、自治体の農業DX支援が候補で、公募要件は年度ごとに変わるため、申請前に最新の公募要領を必ず確認してください。

Q: FURUSATOの無料オンライン相談では何をしますか？

A: 選別台や出荷の流れを実際に見ながら、属人化している判断・手作業・記録の抜けを洗い出します。いきなりシステムは提案せず、優先順位と着手順を一緒に決める場です。費用はかかりません。

関連記事

• 花き・生花卸売のAI鮮度判定｜画像で開花・枯れを自動評価し等級選別を標準化
• 青果卸のAI鮮度判定｜画像で傷み・鮮度を自動評価し等級選別を標準化する方法
• 鮮魚卸のAI鮮度グレード判定｜目利きの勘を数値化して事業承継につなげる方法

地方中小企業のAI活用・DX推進でお悩みの方は、FURUSATO（フルサト）へお気軽にご相談ください。まず無料のオンライン相談（30〜60分）で、御社の課題を一緒に整理します。