機械学習・映像解析

 AI／機械学習／映像解析: 

AIに現在できること、近い将来できると期待されること：

機械学習においては「学習済みモデル」をクラウドからダウンロードして物体認識に使ってみるなど「簡単に体験」できるようになりました。一方で、「体験後のその次のステップ」に進めないというジレンマに陥ったという話もよく耳にします。本来は「体験（実験）」は「体系的な理解」をサポートするものですので、「次のステップに進めない理由」の一つは「体験（実験）」に頼りすぎてしまい「体系的な理解」を得ることができないことに在るようです。このような状況を踏まえて、シンクチューブは技術的解説（微分、統計、確率など）をベースにしつつも皆様には「俯瞰」「直感的理解」をいただけるお手伝いをすることを心がけています。（例えば、「相関」と「因果関係」という言葉はよく似た響きの言葉ですが、これらの違いを認識しておくことはAI技術の現在のポジションを考える際には重要です。）

機械学習の分野では、画像・映像を基に物を分類する深層学習（CNN)がよい結果を示したことで期待は一気に高まりましたが、それに続いたシーケンス解析（RNN)ではやや壁につきあたり、その後のブレイクスルー（attention, transformer, etc.)でまた大きなステップアップを果たしました。今は、創薬の分野で分子標的薬の探索に機械学習を活用することがブームになりつつあります。このような「うねり」のなかで、次に来たるブレイクスルーをウォッチしています。
シンクチューブでは、様々なAI手法を活用して皆様の課題を解決します。

システム環境の準備などの手間を省き、システムを効率よく実現するために、以下のようなNapierプラットフォームを標準プラットフォームとしてご提供します。

 ※ディプレイやマウス使用が適さない現場向けには、タブレット端末の利用可能（オプション）

 Napierソリューションの例

物体検知・分類・動き解析：車や人を検知しその動きをリアルタイムに解析、次の動きを予測

製品名「Napierフロー解析」交通量測定、店内動線分析など　詳細はこちら

路側で撮影されたビデオ映像より、道路の通過車両台数、車線ごとの通過車両台数を自動的に計測。このようなデータの分析により、道路の利用状況を把握し、道路計画・管理・保全のための　より詳細なデータを収集することが可能になります。　 なによ り、危険な路側帯での　人によるカウント作業でなく、コンピュータの自動処理によるため、より長期間にわたっての調査や、季節の制約を受けずに調査を実施 することが可能になると考えられます。

  車・自転車・人などの検知とその動きの解析　詳細はこちら

取得可能な情報（例）： 各車両の駐車時間 駐車位置（駐車禁止エリア監視） 車から降車、車への乗車状況の認識 降車後の人物の移動軌跡分析

 微変動解析：人間の眼では認識できない微細な動き(Invisible motion)をカメラ映像を用いて解析

製品名「すやすやうぉっち」（乳児午睡見守りシステム）　詳細はこちら

  （神戸市 人口減少社会×ものづくり技術」イノベーション創造事業ならびに神戸挑戦企業等支援補助事業対象）

異常検知：　Anomaly detection / Outlier detection

傷・不良品/異物混入の検知

不定形製品を製造するラインにおける異物混入。標準的なFAセンサーでは異物検知でないケース。原材料の色が最終製品によって異なるために、単純な事前学習では対応困難。 当システムの効果： 当システム起動後直ちに、ラインの位置を映像解析により検知し、正常パターンをオンライン学習。異物検知時にはライン停止コマンドを発行し、ライン担当者が即時に異物チェックを行う。

売り場での不審行動検知（防犯）

警備スタッフの適正行動評価

危険行動検知・危険予知：　

製造ラインにおける危険回避支援システム　詳細はこちら

		ラインのそばで”危険につながる可能性のある行動”が起きていると感じているが、実態の把握が困難であった。 当システムの効果： 危険行為事象情報を写真付きで現場に掲示し、情報を共有、対策を検討。現場に関する情報が工場内管理部門にもわかり易いかたちで伝えられるようになった。情報を共有することで、”安全と効率のバランス”をどう取るかを、組織をまたいで議論することができた。

最適化： Optimization

需要予測による仕入れ数・在庫数の最適化（線形回帰、主因子分析などに基づく予測）

小売・サービス業における設備稼動率分析（例．飲食スペースにおけるテーブル利用時間）

混雑度に応じたサービス提供能力の調整（例．スーパなどにおけるレジ対応人員の増減）

製造ライン作業の分析に基づく最適化