IoTの世界では、デザイナーは補完的なテクノロジーを通じて革新を起こすことができます。Digi Internationalの主席IoTテクノロジー マネージャーであるAndreas Burghartによるこの記事では、医療および産業IoT (IIoT) がどのようにして革新的な進歩を次のレベルに押し進めているかを探ります。
機械学習（ML）とマシンビジョン（MV）が世界をどのように変えているのか
機械学習技術は、幅広いマシンビジョン画像処理や分類タスクに適用できます。また、これらのアプリケーションが採用されている規模のおかげで、ますます多様化するIoT製品にMLおよびMV機能を追加することが急速にコスト効率が良くなってきています。
マシン ビジョン システムでは通常、画像が処理および分析される産業用カメラ モジュール内のデジタル センサーが使用されます。機械学習と組み合わせて使用すると、マシンビジョン アプリケーションは複雑なタスクを確実かつ一貫して実行できます。
ヘルスケアアプリケーションでは、患者を監視したり、放射線画像の異常を検出したりすることで、患者ケアを改善したり、さらには命を救ったりすることができます。
産業環境では、エラーや疲労なしに、ベルトコンベア上の多数の同一アイテムの品質管理検査を提供できます。実際、マシンビジョンは、視覚的な監視を必要とするほぼすべての大量生産プロセスにおいて、コスト削減と品質管理のメリットをもたらします。
機械学習とマシンビジョンを組み合わせたビジネス上のメリット
機械学習とビジョンの融合によって得られるメリットは数多くありますが、最も重要なのは、実際の運用の改善を促進し、収益に影響を与えるメリットです。
- • 製品品質の向上: 検査、測定、ゲージング、および組み立て検証。
- • 生産性の向上: 日常的な反復タスクを迅速かつ自動的に実行できるため、スタッフはより価値の高い活動に専念できます。
- • コストの削減: 機器にMV機能を追加すると、パフォーマンスが向上し、耐用年数が延長されます。工場内のMVシステムは、人間のオペレーターよりもスペースをとらず、同じレベルの安全インフラストラクチャも必要ありません。
エッジでコンピューティングを行う理由
ML/MVアプリケーションはリアルタイムで機能します。エッジ コンピューティングを使用すると、アプリケーションは実際にビジネス生産が行われている場所の近くで処理できます。エッジ コンピューティングは、帯域幅やレイテンシが制約となる状況で非常に有利です。たとえば、ベルトコンベア上を流れるアイテムがML/MVシステムによって毎分数十個検査される製造施設などです。
エッジコンピューティングのパフォーマンス上の利点
今日のコンピューティングの取り組みは、効率とパフォーマンスの大幅な向上のためにエッジに移行しており、次のようなメリットがあります。
- • レイテンシの短縮: エッジ コンピューティングでは、サーバーへのデータの往復使用を必要とせず、応答時間が短縮されます。
- • オフラインでの操作が可能: 通信が中断した場合でも、システムは独自にデータを収集、保存、処理できます。
- • コストの削減: データフローが削減されるため、ネットワークコストが削減されます。
- • 消費電力の削減: バッテリー駆動のIoTデバイスでは、送信されるデータが少なくなるため、電力を節約できます。
ツールとソフトウェアが実装の成功をサポート
機械学習ソリューションを作成するのは簡単なことではありません。エッジでの機械学習ベースの画像処理に適したハードウェア、開発ツール、ソフトウェア コンポーネントは、実装の成功に大きく貢献します。
Au-Zone Technologiesは、パフォーマンス制約のある組み込みデバイス上で機械学習ベースのイメージング システムを開発するためのツールキットを提供しています。同社の推論エンジンは、1つの標準ワークフローとモデル形式でMCU、CPU、GPUコアをサポートし、プラットフォーム間での柔軟性と移植性を実現します。Digit ConnectCore® 8Xシステム オン モジュール (SOM) には、MCU、CPU、GPU処理コアが含まれており、推論エンジンをこれらのコンピューティング リソースのいずれかで効率的に実行できます。
関連商品を見る
関連商品を見る
関連商品を見る
関連商品を見る
関連商品を見る
関連商品を見る
関連商品を見る
関連商品を見る
