2026年1月27日、GoogleはGemini 3 Flashの新機能「Agentic Vision」を発表しました。これは、従来の「静的な画像認識」を、自律的に動く「能動的な調査（Active Investigation）」へと進化させる画期的なアップデートです。
本記事では、この機能を活用して、製造業の品質管理や外観検査における**画像検査（Visual Inspection）**機能を実装する具体的なステップを解説します。
1. Agentic Visionとは？——「Think-Act-Observe」のループ
Agentic Visionの最大の特徴は、AIが単に画像を説明するだけでなく、**Think（思考）→ Act（実行）→ Observe（観察）**という自律的なループを繰り返す点にあります。
- Think（思考）: 画像全体を俯瞰し、「右上に微細な傷の疑いがある」「解像度が足りないので拡大が必要だ」と計画を立てる。
- Act（実行）: Pythonコードを生成・実行し、画像を操作（特定領域のズーム、エッジ検出フィルタの適用、面積計算など）する。
- Observe（観察）: 操作後の画像を再確認し、最初の仮説を検証する。
このプロセスにより、従来のマルチモーダルAIの弱点だった**「幻覚（Hallucination）」が大幅に抑制され、主要なビジョンベンチマークで5〜10%の精度向上**が確認されています。
2. 画像検査機能の実装イメージ
例えば、精密部品の検査を依頼する場合、以下のような詳細なプロンプトを使用します。
プロンプト例： あなたは精密部品の外観検査エージェントです。提供された画像を調査し、以下のルールに従って不良箇所を特定してください。
- 傷: 長さ0.5mm以上を検出
- 異物: 面積0.1mm²以上を検出
- 検査手順: 疑わしい箇所は必ず3倍以上にズームして再確認すること
- 出力: 不良箇所を赤い境界ボックス（Bounding Box）で囲んだ画像を生成し、その根拠を説明してください。
AIが自動で行うアクション：
- 広角分析: 全体から「色ムラ」や「形状の違和感」を抽出。
- 動的ズーム: 指定座標をクロップし、高解像度化して詳細を確認。
- 画像処理: OpenCV（Canny法など）を用いて、傷の長さをピクセル単位から実寸法へ計算。
- 最終判定: 信頼度が低い場合は、再度別の角度やフィルタで調査を続行。
この記事のライター
