当社では、LiDAR-SLAMによるマッピング、自己位置推定と地下データ計測装置を 連携させたROS上で動作するアプリケーションの開発を行いました。 このアプリケーションにより、地下データ計測装置による地下の計測情報と、 地上での位置関係を正確に把握することが可能になり、また周辺環境を視覚的に 記録できるようになりました。 また、ROS(Robot Operating System)を使用することで、各センサ及び装置間の データ送受信や座標変換、センサ情報出力をスムーズに行うことに成功しています。 【開発例】 ■OS：Ubuntu 16.04 LTS ■開発期間：1年 ■開発人数：3人 ■開発言語：C++、python ■使用フレームワーク：ROS ■関連技術：点群マッチング ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。

• その他

眼疾患の診療は日々進歩していますが、生体組織の情報は必ずしも十分ではなく、 病態の把握に限界があります。 当開発では、検査装置メーカー様と協力し、新たな組織特性情報を得るとともに、 その情報を最大限生かすためDeepLearning、GPGPU等の先端技術を用い、 より多角的に病態を把握する手段を示し、この課題に対応しています。 従来手法では、1回の診察データを計算するのに、およそ1時間かかっていましたが、 本計算をGPGPUにて実装しなおし、5分程度まで短縮することに成功しています。 【開発例】 ■OS：Windows 10 ■開発期間：5年 ■開発人数：3人 ■開発言語：Qt、C++、Python ■使用ネットワーク：DeepLabV2、V3 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。

• その他

DeepLearningによる物体検知などの技術を実用化するには、必ずシステム化が 必要になります。 当社では、DeepLearningに加えて、これまで培ってきたハードウェアの制御技術、 通信技術からソフトウェアをご提案しました。 また、システムに適したカメラなどのハードウェア選定まで、システム化に必要な すべての要素をワンストップで一括提供しています。 【開発例】 ■OS：Windows、Linux ■開発期間：Poc 3ヶ月、開発 4ヶ月(試作) ■開発人数：3人 ■開発言語：C#、C++ ■使用ネットワーク：YOLO v4 tiny ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。

• その他

当社では、検査装置にて撮像した画像に対して、DeepLearningの物体検出技術を 適用することにより、以前は取り逃していた異物を多数検出することに成功しています。 画像処理の場合、複雑な処理工程を段階的に処理することが多く、1検査当たりの 処理時間が長くなってしまうと、全体の生産効率に影響します。 当技術では、1検査(1画像)あたりおよそ100ms以下での高速な検査が可能なため、 生産効率を落とさず、検査精度の向上を図ることに成功しました。 【開発例】 ■OS：Windows 10 pro ■開発期間：6ヶ月 ■開発人数：2人 ■開発言語：C#、C++、Python ■使用ネットワーク：SSD、Yolov3 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。

• その他

DeepLearningを用いた画像認識技術は、高い検出性能と汎化性能により、 製造業などにおける外観検査への応用が期待されています。 当社は、LIXIL様との衛生陶器外観検査自動化プロジェクトにおいて、 PoCによるDeepLearningの物体検知を用いた欠陥箇所検出で成果をあげ、 現在ライン投入に向けて試験運用開始を進めています。 当開発の取り組みに関して、LIXIL様とコンピュータマインドの連名で 2020年度人工知能学会全国大会のインタラクティブセッションにて 発表しました。 【開発例】 ■OS：Windows 10 Pro ■開発期間：2018年〜 ■開発人数：PoC 1人/本開発2人(予定) ■開発言語：C#、Python ■使用ネットワーク：SSD512(VGG16) ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。

• その他

外観検査(検品)にAI技術を適用することを検討されている方も 多くいらっしゃると思います。 外観検査にAIを活用する際のポイントをまとめます。 ◆導入後のメリット 　・人的コスト削減 　・生産効率の向上 　・判定水準の一定化 　・検出率の向上 ◆導入する際に課題となるポイント 　・撮像条件を整えることが難しい 　・判断基準を明確にすることが難しい 　・AIで検出できるか分からない 　・AIベンダーによってはAI使用料金が定期的に発生する ◆DeepEyeで解決！ 　・980,000円と安価な価格を実現している 　・売り切り型なので、使用量に関わらず支払い金額は一律 　・無料貸し出し期間を2週間設けているため、検討材料を得ることが出来る

• その他ソフトウェア

AIベンダーに依頼した際に、成功しやすい開発について紹介致します。 1．ゴールやプロセスが具体的である 　「〇〇製品の△ラインの□作業を自動化したい」など具体的なゴール設定が 　できていて、プロセスも明確な開発は成功するケースが多いです。 2．データ取得環境が整っている 　データの純度は開発結果に多大な影響を与えます。 　そのため、データ取得環境が整っている場合は成功率が高くなると言えます。 3．AIをシステムの一部として捉えている 　AIはあくまで、ニーズ解決のための手段として捉え、使用環境などを 　考慮することが大切です。 3つのポイントを紹介しましたが、お客様だけで上記を実践することは難しい ケースもございます。 当社の「DeepEye」を使用することで、お手軽にAI開発に取り組むことが可能です。 　・売り切り型のため予算が立てやすい。 　・AIで出来るか不明確な場合にも、何度も検証できる。 　・課題の数が多い場合でも、金額が変わらない。 また、当社ではAIコンサルティングも行っており、お客様の課題解決に向けた サポート体制も整えております。

• その他ソフトウェア

近年、DeepLearningのモデルを手軽に作成できるツール・サービスが 販売されております。 手軽に行えることになったことで、既にDeepLearningモデルの開発に 着手されている方もいらっしゃるかと思います。 DeepLearningのモデル作成の次に課題となるのは『精度向上』。 想定した精度が出ない時には、以下を実施することで、性能改善に繋がります。 　1.各種ハイパーパラメーターを変更する 　2.学習データを増やす 　3.学習データの"パターン"を増やす。 　　Ex.照明の明るさの違い、大きさの違い、速度の違い 　4.前処理を行い、データの特徴を分かりやすくする 　5.使用するモデルを複数種類の中から、比較検討する 　6.モデルのクラス設計を見直す 　7.複数モデルを組み合わせたアンサンブルモデルを構築する しかし、これらの作業を行うためには、専門知識やデータを用意するための 時間と労力が必要となります。 当社の「DeepEye」を使用することで、これらの精度向上策を 手軽に行うことができます。

• その他ソフトウェア

Deep Learning技術を用いた画像分類・物体検出を行えるオールインワンパッケージPC ・Deep Learningに関する詳細な知識は必要ありません ・Deep Learningの動作環境(Linux)の準備・知識は必要ありません ・ユーザーフレンドリーなGUIで学習用データの作成・学習モデルの 作成・推論実行の一連の処理を簡単に実行できるため、自社内で何度でも検証が行えます

• その他ソフトウェア

当社では、機械学習の手法の一つ「ディープラーニング」の導入により 生産性の向上を図るソリューションをご提案しております。 脳の神経伝達網の構造を模したネットワークにより、入力層から出力層 までの計算を行う箱を作成。計算途中に使用するパラメータを調整する ことにより、目的を達成する事が出来ます。 またモデルが数式で表現できない場合でも、ネットワークにより表現する ことが出来ると言った特長があり、これまで人間の感覚でしか判断 できなかった様な事をコンピュータが判断できるようになります。 【特長】 ■データを頂ければ、簡単なトライアル評価が可能 ■上記仕組みを利用して、貴社での予算取り、社内稟議に活用可能 ※詳しくはPDFをダウンロードして頂くか、お問い合わせください。

• その他ソフトウェア