本プロンプトは、地下鉄の広大な忘れ物保管庫に集積される「持ち主不明の傘」を、AIを用いて自動分類・データベース化するためのシステム構築用テンプレートである。画像認識、素材分析、劣化状態のスコアリングを統合し、返却率の向上と管理コストの削減を目指す。 ### 1. システム設計用・AIへの役割付与プロンプト 以下の指示文をLLM（GPT-4やClaude 3.5 Sonnet等）に入力することで、分類アルゴリズムの基盤となるロジックを生成させる。 ```markdown # 役割 あなたは地下鉄忘れ物管理システムのアーキテクトです。以下の条件に基づき、持ち主不明の傘を分類するためのアルゴリズムを設計してください。 # 制約事項 1. 傘の画像データから、「タイプ」「素材」「ブランド推定」「劣化度」「特徴的マーキング」を抽出する。 2. 返却率を最大化するため、紛失届データとのマッチング効率を優先したタグ付けを行う。 3. 出力形式はJSONとする。 # 分類スキーマ - umbrella_type: [長傘, 折りたたみ, ビニール, 高級ブランド傘, 杖傘] - material_handle: [木製, プラスチック, 金属, 皮革] - condition_score: 1〜5 (1:新品同様, 5:破損・廃棄対象) - uniqueness_features: (例: ハンドルの刻印、柄のパターン) # 指示 上記のスキーマに基づき、画像解析AIから得られたメタデータを整形する処理フローを記述せよ。 ``` ### 2. 傘の分類アルゴリズム・論理フロー（疑似コード） システム実装時に組み込むべき分類判定ロジック。Python等での実装を想定した擬似コードである。 ```python def classify_umbrella(image_features, input_date): """ 傘の画像特徴量と保管日時から、保管場所の棚番号と重要度を決定する """ # 1. タイプ別振り分け if image_features.is_transparent and image_features.is_disposable: category = "ビニール傘（短期保管：7日間）" storage_bin = "Zone_V" elif image_features.price_estimate > 5000: category = "高級傘（長期保管：3ヶ月）" storage_bin = "Zone_Safe" else: category = "一般傘（中長期保管：1ヶ月）" storage_bin = "Zone_General" # 2. 劣化度による自動廃棄判定 if image_features.damage_level >= 5: return {"status": "DISCARD", "reason": "Structural failure"} # 3. 紛失届との突合スコア算出 match_score = calculate_match(image_features, user_report_database) return { "category": category, "storage_bin": storage_bin, "match_priority": match_score } ``` ### 3. 特徴抽出のためのプロンプトエンジニアリング（Vision AI向け） 傘の画像から詳細なメタデータを生成するためのマルチモーダルAI向けプロンプト。 ```markdown # 入力画像：忘れ物の傘 以下の項目について、画像から詳細を読み取り、JSON形式で出力してください。 1. 傘の柄（持ち手）の形状と材質を特定してください。 2. 傘の生地の模様、色、ブランドロゴの有無を確認してください。 3. 傘の骨組みの破損状況を5段階で評価してください。 4. 持ち主が特徴として申告しそうな「一目でわかる特徴（例：猫のシールが貼ってある等）」を言語化してください。 [出力フォーマット] { "handle_material": "...", "pattern": "...", "damage_level": int, "distinctive_mark": "..." } ``` ### 4. 紛失者とのマッチング精度を高めるためのヒント集 システム運用時に、分類アルゴリズムと併用して精度を向上させるためのヒント。 1. **色相の標準化**: 傘の色は光の加減で大きく変わるため、HSV色空間を使用して「彩度」と「明度」を正規化してから比較を行うこと。 2. **持ち手の形状認識**: 傘本体よりも「持ち手」の形状は特徴が残りやすいため、持ち手部分のクロップ画像を優先的に解析対象とする。 3. **経年劣化の自動判定**: ビニール傘の透明度低下（黄ばみ）をAIに学習させることで、保管期間の過剰な延長を防ぐ。 4. **季節変動の考慮**: 6月（梅雨）とそれ以外では、同じスペックの傘でも検索頻度が異なるため、検索優先順位に「季節重み付け」を導入する。 ### 5. アルゴリズム評価・改善ループ システム導入後、以下の項目を定期的にチェックし、プロンプトを最適化すること。