10円玉（銅貨）の表面状態を画像解析し、酸化被膜の厚みや腐食度合いから製造年を逆算するための高精度プロンプト・フレームワークを提示する。本プロンプトは、視覚的な色相分析、テクスチャ解析、および環境要因を統合的に処理し、統計的な推定値を算出する目的で使用する。 ### 1. プロンプト構成指示書 以下のテキストを、GPT-4oやClaude 3.5 Sonnet等の画像解析機能を持つAIへ入力することで、解析エンジンを起動させる。 --- **【入力プロンプト】** # Role あなたは金属工学および表面化学の専門家である。提供された10円玉（日本国発行の銅貨）の画像から、その表面の酸化状態を詳細に分析し、鋳造からの経過年数を推定せよ。 # Analysis Parameters 以下のステップに従って画像を解析し、各項目を数値化せよ。 1. **色相データ解析 (Color Metric Analysis):** - 表面の主要な色相をRGBおよびHSVで抽出し、銅(Cu)から酸化銅(I)(Cu2O/赤褐色)、酸化銅(II)(CuO/黒色)、炭酸銅(緑青/緑色)への変化度合いを定量化せよ。 - 輝度分布を確認し、摩耗による地金の露出度を判定せよ。 2. **テクスチャ・摩耗度診断 (Texture & Wear Assessment):** - 凹凸の鋭利さ（レリーフの鮮明度）から、流通期間による物理的摩耗を評価せよ。 - スクラッチや打痕の密度を計測し、流通の激しさを0（未使用）〜10（極めて激しい）でスコア化せよ。 3. **表面汚染物質の同定 (Surface Contaminants):** - 表面に付着している黒ずみの性質を分析せよ。指紋の油分、大気中の硫黄成分による硫化銅の形成、または水分による腐食かを推測せよ。 4. **経過年数推定ロジック (Age Estimation Logic):** - 上記の酸化度と摩耗度を合成し、日本の気候（平均湿度60%・年間気温15℃想定）における銅の酸化速度に基づき、以下の計算式で推定年数を算出せよ。 - `[推定年数] = (酸化スコア × 係数α) + (摩耗スコア × 係数β) + (補正値γ)` - 係数α=0.8, β=0.5, γ=発行年からの経過年数に影響する環境変数（任意入力があれば加味） # Output Format - **Color Profile:** (RGB値, 酸化層推定厚み) - **Wear Index:** (1-10段階評価) - **Estimated Age:** (推定年数と誤差範囲) - **Rationale:** (なぜその年数と判断したかの科学的根拠を論理的に記述) - **Confidence Score:** (解析結果の確信度を%で表示) # Constraints - あくまで目視による推論であることを前提とし、決定論的な断定は避けること。 - 撮影時の照明環境が解析に与える影響を考慮し、反射強度が強い箇所はノイズとして除外して計算すること。 --- ### 2. 解析精度を向上させるための撮影条件 AIへの入力画像が以下の基準を満たしていると、推定精度が飛躍的に向上する。 1. **光源の均一性:** - 直射日光や強いスポットライトを避け、拡散光（曇天の窓際やライトボックス内）で撮影すること。強いハイライトは「金属光沢」と「酸化」の誤検知を招く。 2. **マクロ撮影の徹底:** - 貨幣の「平等院鳳凰堂」の細部や、額面の数字の溝にフォーカスを合わせる。摩耗は平坦部よりも、文字の境界線や縁（リム）に蓄積されるため、ここを拡大することが不可欠である。 3. **対照物の配置:** - 画像の端に色補正用のカラーチャート、あるいはサイズ比較用の定規を置くことで、AIが光の反射率を正規化しやすくなる。 ### 3. 解析結果の解釈と調整（チューニング） 出力されたデータが現実と乖離している場合、以下のプロンプトを追加して再解析を促す。 * **「過小評価への修正」:** 「推定年数が実際の年代より若く出ている。表面の黒ずみが硫化反応によるものと仮定し、都市部の空気環境（亜硫酸ガス濃度が高い）を考慮した再計算を行え。」 * **「過大評価への修正」:** 「推定年数が長すぎる。このコインは保管状態が良かった可能性（密閉容器内での保存）を考慮し、酸化速度を通常の60%に低下させて再評価せよ。」 ### 4. 科学的背景：なぜ10円玉で推定可能なのか このモデルの根底には、銅という金属の「環境応答性」がある。10円玉は95%が銅、残りが亜鉛と錫の合金である。 * **初期:** 表面の銅が酸素と反応し、酸化銅(I)の薄い膜が形成される（赤みがかった茶色）。 * **中期:** 酸化銅(II)へと進行し、暗褐色から黒色へと変化する。この過程で大気中の水分や硫黄化合物が触媒として働き、反応速度が変動する。 * **後期:** 長期間湿潤環境に置かれると、塩基性炭酸銅（緑青）が生成される。この化学反応の遷移状態を画像データとして捉えることは、まさに金属の「経年劣化という名の化学的履歴」を読み解く作業に他ならない。 ### 5. 注意事項 本プロンプトは、あくまでコインの状態から「環境履歴」を逆算するためのツールである。実際の製造年（刻印）が読める場合は、それを正解データとして入力することで、AIの「環境感度パラメータ」を学習させ、次回以降の推定精度を向上させることが可能である。 以下、運用のためのクイックチェックリスト。 1. **撮影準備:** マクロレンズを使用、またはスマホを可能な限り近づける。 2. **画像入力:** 上記プロンプトを添えてアップロード。 3. **データ検証:** 「推定年数」と「実物年数」を比較し、誤差が大きければ「環境条件」の条件文を微調整する。 4. **反復:** 複数枚の10円玉でテストを行い、AIの「酸化度スコア」の基準を安定させる。 このプロセスを通じて、ただの小銭が、歴史と化学反応を記録した「センサー」へと姿を変えるはずだ。