機能・システム構成

AISIA-ADの主な機能

ad-1

fun1

 

AISIA-ADのシステム環境

クラウドで学習し、エッジで異常判定

Azure Machine Learningで学習し、エッジにデプロイ

・学習は、学習に最適な環境が整備されているMicrosoft Azure Machine Learning Serviceを利用。学習データをセキュアに蓄積・管理でき、学習済の学習器をAzure IoT Hubを使って簡単にエッジコンピュータにデプロイ(格納)できます。
・異常検知処理は、高速リアルタイムに判定できるエッジコンピュータAI判定。エッジで判定したデータは、リアルタイムの異常検知管理サーバーに送られ、必要に応じて人がモニタリングして、正誤確認を行うこともできます。 

(1) 学習プロセス

学習データは、ビッグデータをセキュアに管理できるAzureクラウドに格納し、正常・異常の両方を学習する教師あり学習の場合は、アノテーションツールを使って簡単に教師ラベル付けします。Azure Machine Learning Serviceには機械学習を行うために必要な機能が完備されているので、学習方法に応じて最適なライブラリを使って学習します。ここでディープラーニングの学習としては、対象製品を検知するオブジェクト検出と正常異常を分類する異常判定の2種類あります。目標の認識率に達したら、学習済のAIモデル(分類器)をAzure IoT Hub/Edgeを使ってEdgeサーバーに配布します。

学習プロセス

(2) 判定プロセス

判定プロセスでは、カメラでとらえた動画/静止画の中から対象製品をオブジェクト検出し、分類器(AI)が認識したオブジェクト(製品)が正常か異常かを判定します。判定結果は、人間が一目で異常と判断した箇所を特定できるようにヒートマップを付けた状態で、エッジコンピュータから管理コンピュータにリアルタイムに送られます。人間は、必要に応じてこの画像をモニタリングし、分類器の判定が間違っていた場合は適宜訂正することができます。

判定プロセス

クラウドで学習し、エッジで異常判定

クラウドにデータを上げたくない場合は、ローカル環境でも学習できます。

クラウドで学習し、エッジで異常判定

学習プロセスは、学習環境が整備されているクラウドMicrosoft Azure Learning Serviceを使っており、学習済の分類器は、Azure IoT Hub/Edgeを使って簡単にエッジコンピュータに格納(デプロイ)できます。
エッジでは、製造ライン上の製品をカメラで撮影し、動画の中の製品(オブジェクト)を自動検知した上で、分類器によって正常異常を判定します。異常検知状況はリアルタイムにモニタリングできるほか、人が介在して正常異常の最終確認を行ったり、異常個所にヒートマップ(印)を付けたりできます。

ed

 

エッジデバイスについて

Microsoft Azure Certified IoT Edge Devices Certification 認定

AISIA-ADは Microsoft Azure Certified IoT Edge Devices Certification の認定を受けています。
認定を受 けた対象デバイスを使用することで、AISIA-ADをスピーディーに利用することが可能です。