Cognitive Applications Blog

プログラミングなしでAI画像検査を | 動画デモあり

記事をシェアする:

 

5月に開催され、630人以上の方にご登録いただいた「IBM Cloud Festa Online 2021」。

20を超えるセッションの中から、現在、AI技術の中でも最も実効性が高く、業務の省力化を強力に進めるものと言われているAI画像認識ツールと、その現場への導入・展開方法をデモを通じてご確認いただいたセッション「IBM Maximo Visual Inspection – カスタム検知を簡単自作 -」をご紹介します。

「プログラミングなんてやったことがないし…」というユーザ部門の方、現場部門の方にこそ、ぜひご覧いただきたい内容です。

 


■ 「現場部門がAI画像認識を簡単に導入できること」の真の意味合い

今すぐにセッション全容を確認したいという方は、以下よりセッション動画をご確認ください。当日資料の閲覧・ダウンロードはこちらから。

(上記画像をクリック/タップで、別画面にて動画を再生いただけます)

 

スピーカーの野ヶ山は、最初に画像認識AI開発支援ツール「IBM Maximo Visual Inspection(MVI)」の最大の特長は、「プログラミングができなくても画像AIを自分で作成しデプロイまでできる」ことだと告げた。

「AI画像認識を業務に用いる際には、写真や動画を登録することが必要となりますが、その際の”ラベル付け”やデータ量を増やすための”拡張”、”学習モデルの作成”や”推論”といった一連の必要作をGUIで行うことができます。さらに学習済みモデルをエクスポートして、手もとのiPhoneなどで実行させることも簡単です。」

 

AI画像認識の導入を検討し、PoC(概念実証)を実施した組織は多い。だが、実際に導入へと至っている組織は少ない。

その原因と言われているのが、画像AI導入の最大の難関である「画像認識や診断実施に不可欠な学習モデルの作成とデプロイ」に現場を最も深く理解している担当者がつまずいてしまうことだと言われている。

一方で、すでにAI画像認識を導入し、その適用範囲を広げることで業務のデジタライゼーション(DX)を急速に進めている企業も存在している。

その違いは、現場をよく知る担当者が自身の手で導入・展開することにより、画像認識や判定が大きな効果をもたらすであろう業務を、経験を通じて見つけ出せることにあると言う。

 

さらに野ヶ山は言う。AI画像認識の導入は、目前にある業務を改善するためだけにとどまらないと。

「下の図はIBM Maximo ソリューションを活用するロードマップを示しています。

Maximoは、施設や設備を保有しているほぼすべての企業が直面する”人員・環境・設備”全体の管理や保全の課題に、包括的に対応するためのソリューションです。

設備の情報を集め、集めた情報をより積極的かつ高度に活用することで、故障や交換時期の予測を行うなどステップを進むことができます。MVIは、この情報活用の機能の一部として位置づけられて提供されており、資産や製品の映像を集めて分析を行います。

他にも、遠隔支援やAIによる業務支援などにより、深刻化する労働者不足対策を行なうことができます。また、管理対象を労働者や労働環境へと拡張することで、労働現場の安全管理に使うこともできます。」

施設管理・保全現場のデジタル変革を実現する IBM設備管理ソリューション全体像

 

■ 服装・所持品チェックをプログラミングなしのAI画像検査で

映像AIとして、MVIは「画像分類」「物体検出」 「領域検出」「動作検出」を簡単に実施することができる。

設備保全業務への活用例としては、画像から検出した設備の不良を、設備保全システムIBM Maximoに連携し、確信度がしきい値以上であればインシデントを自動起票してアラートを必要部門や担当者に送り点検業務につなげるといったことが可能だ。

(上記画像をクリック/タップで、別画面にて動画を再生いただけます)

 

「ここからは、最近私が実際に扱った案件のなかで、ちょっとだけ複雑な画像を用いたタスクについて紹介していきます。

制限区域への入室前の服装と所持品検査を画像AIにより省力化し、NGの場合に音やメール/SMSなどで本人と管理者に通知するという仕組みです。実際のお客様の現場での映像をお見せすることはできないので、今回のデモ用に作成した映像をご覧いただきます。」

 

下の図は、野ヶ山がデモ内で紹介した、Node-RED上にマウス操作で作成されたカスタム検知ルールを示したものだ。

カメラ映像内の人が「赤ストラップ」を着用し、「バッグ」を持たず、「PC」も持たないときOKとなり、そうでないときNGとなる。ぱっと見てどのようなルールでOKかNGか判定されているのか把握できるため、意図どおりのルールを構築できる。

 

「なお、ポイントとなるのは、”プログラミングなしでの判定ルールの作成”と、”判定ルールのホワイトボックス化”です。これが簡単に実装できなければ、実運用の際には規則の変更に柔軟に対応することができず、結局は画像AIが活用されなくなってしまいます。」

 

この続きは動画、および資料にてご確認ください。

(上記画像をクリック/タップで、別画面にて動画を再生いただけます)

 

問い合わせ情報

当記事に関するお問い合わせやCognitive Applicationsに関するご相談は こちらのフォーム からご連絡ください。

 

関連記事

先進テクノロジーを活用した食品業界のDX事例紹介(後編)

IBM Maximo Application Suiteが成長に寄与する理由

動画で紹介 | プログラミング一切不要! 現場主導で画像認識AIの構築〜導入を

More Cognitive Applications Blog stories

四国化工機 | AIもめん豆腐検品システム導入事例

Cognitive Applications Blog

  豆腐業界では初となる、割れや欠けのある豆腐をAIにより自動判定し検品する、AIラインピッキングシステムの開発・導入が大きな話題となった四国化工機株式会社(以下、四国化工機)の事例をご紹介します。   ...続きを読む


[事例] E.&J.ガロワイナリー | 最重要資源「水」の問題解決を目指して

Cognitive Applications Blog

E.&J.ガロワイナリーは、AIと詳細気象データを用いて、ブドウの品質を向上させるインテリジェントな灌漑システムを開発し。25%の水使用量の削減とワインの品質向上を実現しました。   背景とビジネジチャ ...続きを読む


Yara International ASA | 食糧問題の解決を目指して

Cognitive Applications Blog

Yara International ASA 食糧問題の解決を目指して   世界中でバーチャル化が加速する革新の時代において、エコシステム、デジタル・ワークフロー、企業のネットワーク化がもたらす影響力は、かつて ...続きを読む