>cat/works/drawing-detection/README.md

建設現場で使われる図面PDFから、特定の記号を自動検出・抽出するシステムを構築しました。共有された図面を起点に、Claude Codeがエージェントとして変換・分割・検出・蓄積の一連の処理を実行します。

完全な自動化には人間による再確認が不可欠ですが、従来のゼロからの拾い出し作業が確認作業だけに変わります。さらに、検出結果が統一されたデータ形式に変換・蓄積されることで、その後の工程表作成の効率と精度が向上し、途中で発生する工程変更にも柔軟に対応できるようになります。

ワークフロー

#	ステップ	処理内容
1	図面の取得	共有されたPDFを手動でダウンロード
2	PNG変換	Claude CodeがPDFを各ページごとにPNG画像へ変換
3	画像分割	各ページを四分割し、記号検出の精度を確保
4	記号検出	Gemini 3 Flash（Thinking）のvision機能で各画像から対象記号を検出
5	データ蓄積	検出結果をNeon（サーバーレスPostgreSQL）に保存
6	結果出力	Claude CodeがNeonからデータを取得し、JSON形式で出力

図面画像をそのまま1枚でvision APIに渡すと、記号が小さすぎて検出精度が落ちます。四分割することで各領域の解像度を維持し、検出の正確性を高めています。

記号検出にGemini 3 FlashのThinkingモードを採用したのは、推論つきのvision性能に対するAPIコストの効率が高いためです。

APIコスト概算（20ページの図面セット）

処理	内訳	コスト
PDF → PNG変換	ローカル処理	¥0
画像分割	ローカル処理	¥0
Gemini 3 Flash (Thinking)	80画像 × ~1,120 tokens ≒ 98K input / 24K output / 40〜80K thinking	~¥40〜60
Neon	無料枠内（0.5GB / 190h）	¥0
Claude Code	JSON整形（サブスクリプション内）	—
合計		~¥40〜60 / 案件

人件費を除くAPI実費は1案件あたり約40〜60円。図面のページ数に比例しますが、数百ページ規模でも数千円程度に収まります。

技術スタック

カテゴリ	ツール	選定理由
エージェント	Claude Code	シェル操作・API呼び出し・DB操作を一連のワークフローとして自律実行
画像処理	Python (Pillow)	PDF変換・画像分割をスクリプトで自動化
記号検出	Gemini 3 Flash (Thinking)	Thinkingモードの推論つきvisionで高精度な検出とコスト効率を両立
データベース	Neon	サーバーレスPostgreSQLで無料枠が広く、個人運用に最適