産業展開におけるAIビジョンの可能性

AIビジョンは、人間の視覚を再現するだけでなく、人間の目にはすぐには見えない環境の特徴を非常に正確に説明するという点で、それを超えることもできます。最先端の産業環境では、Vision AI は製造作業のハイエンドな品質管理と自動化機能の強化を意味します。

エッジAIはしばらく前から存在していますが、コンピュータービジョンによるエッジ機能の強化はまだ目新しいものです。しかし、AI ビジョンの助けを借りて製造プロセス、安全性、品質の向上に挑戦した企業は、すでにその恩恵を享受しています。

AIビジョンソリューションを導入することで、産業企業はエッジの資産を完全に制御し、さまざまなユースケースに対応する真のコラボレーション基盤を構築できます。これにより、多くの未知数を含む動的な環境の課題に取り組むことができます。

AI ビジョンでできること

AIビジョンが産業展開にとって魅力的な理由は何でしょうか？エッジでのマシンビジョンアルゴリズムの高い精度と適応性だけでなく、コンピュータービジョンアプリケーションの採用が持続可能であることにもあります。以下に、期待できることの内訳を示します。

ハードウェアのインストールは一度だけ

スマートカメラシステムを IoT エッジにインストールしてセットアップし、プラットフォームに接続したら、準備は完了です。そこから、この強固な基盤を利用して、既存のソリューションの上にさまざまなユースケースを構築し、進行中の運用を中断することなく、さまざまな Vision AI アプリを追加したり、切り替えたりすることができます。

既存の資産を変更する必要はありません

既存のレガシー資産をエッジで使用することで、特定のタイプのハードウェア、ITスペシャリスト、外部プロバイダーに依存することなく、プラットフォームを使用してMLモデルのトレーニング、デプロイ、改善を行うことができます。つまり、既存の資産はそのまま残り、ハードウェアにとらわれないあらゆるプラットフォームを使用して、デバイス環境内の資産を調整できます。

新しいユースケース用にセンサーを追加購入する必要はありません

同様に、追加のユースケースを構築してテストしたい場合は、新しいセンサーや新しいハードウェアを購入する必要はありません。ハードウェアが準備できたら、新しいアプリ (つまり、機械学習モデルと人工知能ソリューション全体がすぐに使える軽量な IoT アプリケーションとしてパッケージ化されている) をインストールし、1 つのプラットフォーム内でテスト、デバッグ、更新するだけで、変化する需要に簡単に対応できます。何が起きているのかを完全に把握したうえで、1 つのプラットフォームからテスト、デバッグ、更新するだけです。

アプリをすぐに追加することも、段階的に追加することもできます。

アプリケーションの追加、削除、改善も同様にシームレスに行えます。複数のディープラーニングアプリを一度に追加して、さまざまなパフォーマンスパラメーターを追跡し、さまざまなユースケースに対応できます。また、一度に 1 つのアプリを追加してテストすることで、さまざまなレベルの複雑さに徐々に移行できます。

複雑な環境に対応

プラットフォーム対応のVision AIアプリケーションは、複雑な環境で作業し、人間による検査では回避できないさまざまな問題を捉える必要がある場合に最適です。端に設置されたスマートカメラを使用することで、Vision AI アプリに、バーコードの検査、組立または梱包ミスのチェック、安全上の問題の検出、製造現場の人数のカウント、在庫管理のすべてを、高い精度で同時に行うことができます。

シームレスなスケーリングが可能

プラットフォームを1つだけ使用することで、データのインポートからMLモデルの作成、AIエッジへのデプロイまで、ユースケースの強固な基盤を構築できます。コンテナ化されたアプリケーションのおかげで、本番環境内でのテストとデプロイを中断することなく実行でき、ダウンタイムを最小限に抑えることができます。

工業生産におけるAIビジョンの事例

AIビジョンを実装することで、製造プロセスのほぼすべてのステップを強化し、より安全にすることができます。さらなる自動化、リアルタイムの欠陥検出、生産性の微調整は、その可能性のほんの一部に過ぎません。以下は、コンピュータービジョンで実現できることのいくつかのアイデアです。

品質保証

AIビジョンを活用することで、メーカーはプロセスが最適に調整され、実行されていることを確認できます。廃棄物の削減は最小限に抑えられ、製造現場の操業条件はほぼ理想的です。

これにより、可視性が最大化され、人間の専門知識への依存度が低くなります。品質管理は、外れ値の検出、分析、アラートの送信に特化したスマートアルゴリズムによって引き継がれます。

根本原因分析

IoT エッジのコンピュータービジョンは、人間の観察者には見えなかったパターンを検出するのに役立ちます。また、こうした発見がもたらす影響に対処するための複雑なアクションプランを実施することもできます。特定の現象や挙動の根本原因を突き止めることで、製造業者はエラーから迅速に学び、将来のミスを回避できます。

複数のエラーが発生した場合、産業の最先端に設置されたVision AIアプリケーションは、一連の出来事を追跡し、状況を改善するのに役立つ重要な洞察を提供できます。コンピュータビジョンによる検査は、バリューチェーン全体にわたる特定の製造上の欠陥を探す場合に特に役立ちます。ここでも、人工知能による視覚は人間の目よりも正確であることが証明されています。

複雑なビジュアルタスクの完全自動化

製造プロセスは本質的に複雑で動的であるため、適度なレベルの自動化を実現することは全体を通して課題でした。包括的な IoT および AI プラットフォームを基盤とすることで、エッジの Vision AI アプリケーションはこうしたダイナミクスに対応できます。それらは常に新しい変数に適応します。

新たに入ってくるIoTデータは常に新しい洞察をもたらし、OTAアップデートを瞬時に展開することで、エッジの各AIモデルを迅速に適応させることができます。これにより、自動化サイクルを中断することなく継続的に更新できます。

AI ビジョンの代表的なユースケースとは

品質保証、根本原因分析、産業オートメーションを強化する産業用ビジョンAIテクノロジーの能力は、大いに役立ちます。具体的には、Vision AI アプリケーションの作成、展開、監視のための完全なインフラストラクチャに組み込まれたエッジのコンピュータービジョンが、バリューチェーン全体にわたる製造における従来のさまざまなタスクを引き継ぐことができます。

ほとんどのAIビジョンアプリケーションは、顔認識、物体検出、複数のソースからの視覚入力に基づく画像分類、画像認識、視覚検査、画像分析、さらに高度なビデオ分析など、確立された処理を行うために視覚データを使用して機械学習モデルをトレーニングします。そこから、さまざまなコンピュータービジョンソリューションを構築できます。事前にトレーニングされたモデルに基づいて、企業は独自のニーズに合わせたカスタムモデルの作成にまで拡大できます。

一般的な使用例は次のとおりです。

• コンポーネントアセンブリ。これらのタスクは完全に自動化され、人的介入なしに、または最小限で管理できるようになりました。
• パッケージング。Vision AI アプリケーションはパッケージングプロセス全体を監視し、最終的にパッケージされた材料に欠陥がないか検査できます。
• バーコード検証。この課題は、スマートカメラにシンプルなAIビジョンアプリをインストールすれば解決できます。また、手作業による検査にかかる時間を何千時間も節約できます。
• 欠陥検出。 エッジにIoTカメラを設置した画像処理機能により、欠陥の分析と防止の精度を高めることができます。
• 予知保全。 人間の従業員による費用のかかる目視チェックの代わりに、コンピュータービジョンシステムによって機器の監視を行うことができます。これらは特定の指標を追跡し、外れ値が検出されるとアラートを送信します。
• 安全プロトコル。コンピュータビジョンは、製造現場における従業員の安全の監視を引き継ぎ、変化する環境条件やその他の健康危険、安全コンプライアンスプロトコルの順守、および人や機械の異常な動きについて効果的に報告することができます。

すべての開発者へ:ビジョン AI ソリューションの創造

開発者であれば、Vision AI に対する私たちの考えや、Vision AI の機能を IoT プラットフォームにどのように統合しているのか疑問に思われるかもしれません。以下では、基本を概説します。

コンテナに関する問題の解決

IoT 開発イニシアチブの複雑さを乗り越える方法の 1 つは、コンテナ化されたアプリケーションを使用することです。つまり、アプリケーションはコンテナと呼ばれる軽量な単位で実行することになります。コンテナを使用すると、ライブラリ、コード、ツール、ランタイムなど、アプリケーションの実行に必要なものがすべて揃ったまま、アプリケーションを隔離された環境で実行できます。

これにより、あらゆるタイプの環境でアプリケーションをデプロイおよびスケーリングできます。

アプリケーションを他のインフラストラクチャから分離すると、複数のコンテナを同時に実行することもできます。また、コンテナを共有することもできます。

レコードエボリューションではDockerを使っています。ubuntu や Alpine Linux などの標準ベースイメージからカスタム Linux 構成を作成するには、各アプリに Dockerfile が必要です。あるいは、armv7 (Raspberry Pi) または arm64 (Jetson) システム上でアプリを実行させたい場合は、特定のターゲットシステムアーキテクチャー用の Dockerfile「Dockerfile_armv7」または「Dockerfile_arm64」を追加することもできます。

編集可能なコードを使用する

IoT 開発環境では、Web コードエディターを使用してアプリのソースコードを編集できます。コードエディターは、マイクロソフトの VS Code をベースにしたパーソナルクラウド IDE です。コード編集は git ワークフローに基づいています。Git ワークフローは、共同開発のための保守と監査が可能なコードを作成するための業界標準です。

つまり、コードに加えたすべての変更は、コードをコミットしてアプリケーションのマスターブランチにプッシュするまでは、個人用環境にしか存在しません。

ハイライト:

• 開発中はリモートデバイスでコードをビルドして実行します。
• デバイス上で実行中のアプリコンテナに直接ログインしてデバッグします。

GitHub、GitLab、Bitbucket との統合

デフォルトでは、プラットフォーム上の各アプリには中央の Git リポジトリがあります。このリポジトリは、アプリのすべての開発者にとって共通のコードポイントとして使用されます。この中央の Git リポジトリはプラットフォーム内で管理されます。

ただし、アプリを作成するときには、別のサービスを選択できます。現在、GitHub、GitLab、Bitbucket がサポートされています。

GitHub アプリケーションのコードを直接ビルドして IoT App Store にプッシュし、デバイスにデプロイすることができます。

また、内部リポジトリはいつでもこれらの外部サービスのいずれかに移動できます。これにより、プラットフォームを使用する実際のデバイスでコードを実行したりデバッグしたりしながら、ローカルのエディタ設定を使用して GitHub リポジトリにプッシュできます。

Vision AI 開発者と力を合わせることを楽しみにしています。

‍