マシンビジョンとニューラルネットワークの統合による高度な産業IoT

大脳皮質は画像を処理する脳の部位です。人間は他の哺乳類と比較して最大の大脳皮質を持ちます。この優れた視覚は、人間が他の動物より優位に立つ進化的特徴の一つです。進化生物学者がこの特徴の謎を解き明かそうとする一方、技術研究者たちはそれを再現しようとしています。

人間は経験と練習を通じて学習します。機械学習は、コンピューターが人間の脳の学習プロセスを模倣することを目指す人工知能（AI）の分野です。画像認識と処理はその重要なサブセクションです。画像認識を用いれば、エンジニアは直接的な人間の介入なしでオブジェクトを分類できます。

ニューラルネットワークとマシンビジョン

シンプルに言えば、アルゴリズムやニューラルネットワークと組み合わせたマシンビジョンは、コンピューターが「見て」データに基づいて行動する能力です。画像はデジタル形式でコンピューターの処理ユニットに供給され、分析、解釈、行動が行われます。このセットアップの前に、まずシステムにデータを学習させる訓練が必要です。

マシンビジョンにおけるニューラルネットワークの訓練

ニューラルネットワークは機械学習の高度な領域です。画像認識や複雑な認知を要する他のタスクで広く使用されています。人工ニューラルネットワークを構築する第一歩は、画像でコンピューターアルゴリズムを訓練することです。

人間が入力画像にラベル付けを行い、それに基づいてアルゴリズムが学習します。大量のラベル付きデータセットで訓練された後、アルゴリズムは自らオブジェクトを識別するよう学習します。データサイエンティストはモデルを調整し、学習速度や他のパラメータを改善できます。一貫した精度を持つ完成モデルは商用アプリケーションへ展開可能です。

では、モデル訓練のためのデータはどこから得るのでしょうか？

マシンビジョンのデータソース

ニューラルネットワークと連携したマシンビジョンは、単なる画像識別より複雑です。3D（三次元）オブジェクトを認識する空間認知でもあります。マシンビジョンプログラムのソースは、写真、ビデオ、さらにはライブカメラフィードです。こうした場合、カメラが画像やビデオを収集し、アルゴリズムへ供給します。

他の形式の入力を取るマシンビジョンアルゴリズムもあります。レーダーとLiDARは、センサー周囲のオブジェクトを追跡できます。これらの装置の出力は画像ではなく、周囲のさまざまなオブジェクトの座標です。マシンビジョンアルゴリズムはこの情報も処理し、空間理解を得られます。LiDARデータとカメラ画像の組み合わせを、マシンビジョンアルゴリズムへの入力として使用することも可能です。

マシンビジョンには産業・非産業を問わず幅広い応用があります。用途は識別・ナビゲーションから、視覚障害者への視覚提供まで多岐にわたります。

産業におけるマシンビジョン

マシンビジョンまたはコンピュータービジョンには、産業分野で多数の応用があります。まだ初期段階にあり、日々新たな産業応用が見出されています。

既知の応用には以下が含まれます：

• 製品の仕分け
• 製品のピッキング
• 自動検査
• 光学文字認識（OCR）
• 欠陥識別
• 色識別
• 動き検知
• パターン識別
• 品質保証
• 誘導移動（AGV：無人搬送車）
• 自動運転自動車
• バーコード・QRコード読み取り
• ダークファクトリー

マシンビジョンの使用が増えるにつれ、こうしたソリューションの導入コストは低下し、新たな応用が特定されています。例えば、マシンビジョンはIIoTと組み合わせて使用できます。

セキュリティ

人的警備はさまざまな施設の敷地を巡回するために使用されます。しかし、共通の問題は、奇数時間帯の勤務で警備員が疲労することです。マシンビジョンとIIoTがこれを解決できます。

監視対象施設の閉回路テレビ（CCTV）フィードをマシンビジョンアルゴリズムに接続できます。アルゴリズムはフィードを常時監視し、異常な活動を検出します。侵入者やその他の異常活動が検出されると、システムは人間の警備員へ確認を促すアラームをトリガーできます。フェンス通電、出口へのスパイク展開、警察への通報など、セキュリティプロトコルを自動実行することも可能です。すべての通信は、インターネット接続デバイス間でネットワーク経由で行われ、任意のプロトコルを実行します。

化学プラント

化学プラントは人間の従業員が働くには危険な環境です。プロセスを自動化できれば有益です。例えば、化学プラントのあるプロセスで、材料が沸騰するまで待ってから熱源を切る必要があるとします。マシンビジョンなしでは、人間の技術者が待機し、プロセスを観察しなければなりません。

マシンビジョンがあれば、カメラを溶液に向け、沸騰を検出するよう訓練されたニューラルネットワークが混合物の沸騰開始を検知できます。アルゴリズムが溶液の沸騰を検出するとフラグをトリガーし、ネットワーク経由で中央コンピューティングシステムへ送信されます。システムはこの信号受信をトリガーとして、熱源を切る機構を作動させるように設計されています。

このシナリオでは、人間が化学煙を吸いながらプラント内でプロセスを監視する必要がありません。マシンビジョンとIIoTでプロセス全体を自動化できます。この特定例では、赤外線やその他の温度検出センサーでも沸騰混合物を検知可能です。

ダークファクトリー

ダークファクトリーは、マシンビジョン、オートメーション、IIoT能力を最大限に活用する概念の延長です。ダークファクトリーとは、工場運営の実行・監視に人間オペレーターを一切必要としない製造施設です。本質的に照明が不要で、暗闇で稼働できます。

原材料納入から最終製品の梱包まで、完全に自動化されます。原材料は、マシンビジョンを搭載したフォークリフトとロボットアームでピック・仕分けされます。各種パーツを組み立てるロボットハンドは、マシンビジョンを用いて各パーツの配置位置を特定します。マシンビジョンでナビゲートするAGVが、工場内の資材輸送を担います。

完成品は、マシンビジョン能力を備えたロボットで検査・テストされます。不良品の仕分けと良品の梱包にもマシンビジョンが使用されます。

ダークファクトリーや化学プロセスなど、マシンビジョンの恩恵を受ける応用は多数あります。そのアルゴリズムは人員の安全、プロセスの安全を守り、効率を向上させます。あなたはショップフロアでどの種類の応用にマシンビジョンを使用していますか？