Avintonではお客様に「現場で使えるAI」、即ち本番環境でも通用するAIシステム、AIソリューションを提供する事を念頭に置いています。こちらのブログ記事にも記載の通り、お客様のDX（デジタルトランスフォーメーション）推進のために、実証実験のPoCで終わらない、商用環境へのAI導入を見据えたサービスを提供しています。
AIサービス開発
現場で使えるAIを
既に製造、通信、金融や鉄道業といった幅広い業界向けに、機械学習・深層学習・ニューラルネットワーク・画像解析・音声解析・文字認識といった技術を用いたAIシステムの開発、導入の実績があります。
当社はAIコンサルティング、データのアノテーション（ラベル付け）からモデルの学習、既存システムへのAIモデルのの組み込みまでを一貫して行っております。まずは当社のAIコンサルタントまでお気軽にお問い合わせ下さい。
コンサルティングからAIシステム導入までを支援
コンサルティング
お客様のサンプルデータやプロジェクト要件をもとに、ユースケースの定義を行います。技術的実現性が不透明な場合には、PoCを実施する可能性があります。納品形態が現場環境への導入の場合は、現場訪問の調整も可能です。また、この段階でプロジェクトの全体タイムラインを策定します。
学習データの収集
AIモデルを学習するためのデータを収集します。既存データが存在しない場合は、ユースケースの要件に沿った当社のガイドラインをもとに新規データを収集して頂きます。新規データの取得が困難のケースにおきましては、データの拡張を検討する必要があるため別途ご相談下さい。
学習データのラベル付け
収集したデータにラベル情報を付与します。異常検知等のプロジェクトではドメイン知識（高度な専門知識）が求められるケースが多く、そのため当社よりラベル付けのガイドラインを共有します。また、案件次第ではデータのラベル付けを追加要件として当社にて行う事も可能です。
AIモデルの学習
ラベル付けしたデータを用いてAIモデルの学習を実施します。学習に伴う全てのプロセスはAI・ビッグデータの処理に求められる最新技術を備えたAvintonの環境で行われます。同一のデータセットより複数のアルゴリズムとハイパーパラメータの組み合わせを用いて並列学習を行う事により、複数のAIモデルより最適のものを選択する事が出来ます。
AIモデルの導入
検証済みのAIモデルを本番環境へ導入します。例えばエッジAIカメラの場合、AIモデルは動画より画像データを収集する光学デバイスに接続されたナノコンピューターに実装されます。要件がモバイルアプリの場合は、OSに応じてAIモデルの最適化を行った上でモバイル端末への実装を行います。
事例紹介
数千枚の半導体ICチップより欠陥品を検知
半導体ウェーハには一枚あたり約3千枚の微小なICチップが埋め込まれております。当社は、ICチップ内の欠陥を検知するためのAIソリューションを開発しました。僅か数秒もの間にウェーハ全体の画像を読み込み、これまでの人間の目による検品では検出不可能であった非常に小さい欠陥ー傷、すれ、色むらをも発見できるようになりました。
従来は作業員が専用の顕微鏡を用いて行っていたプロセスを当社のAIシステムを利用したソリューションと置き換える事により、検品作業に費やされる時間の大幅の短縮とヒューマンエラー防止を達成しました。お客様が数千枚ものラベル付けされた画像データを準備する事が出来たのも、プロジェクト成功の一つの要因でした。
本ソリューションの活用により、製造コストの削減・品質の向上・業務の効率化を実現する事が出来ました。
リアルタイムでの製造現場における作業員の安全確保
製造現場には設備管理や作業員の注意を徹底していたとしても、事故発生の危険が潜んでいます。日本の製造業における致命的な事故の約3分の1は、作業員が機器に巻き込まれたり、機器の間に挟まれたりすることによって引き起こされます。
AvintonではAI画像解析技術を用いて、包装製品や高機能素材を製造する企業向けに、安全確保兼リアルタイムアラート通知ソリューションを提供しました。
カメラに繋がれた小型パソコンに、作業員の身体を検知する学習済みAIモデルを搭載し、現場に複数台のAIカメラソリューションを構築、納品してきました。これらのデバイスは、大型産業機器等の危険エリアへの身体部分の侵入（例えば、ローラー、重機、ロボットなどに近づきすぎた手）を即座に検知します。AIシステムの導入によってその場で対応のとれる仕組みを実現する事により、作業員の方がより安全に作業できる環境づくりに寄与しました。
鉄道現場の異常を音声AIで検知
AIシステムの導入を検討するにあたって多くの場合に連想されるのは画像分類や物体検知といった画像分類ですが、音声データも同様に有用なデータソースとなります。当社は国内の大手鉄道会社との共同開発プロジェクトを立ち上げ、車両の異常を従来の手法ではなく音声AIを用いて検知するための研究開発と検証を進めています。
本ソリューションの最大のメリットとしては、データ収集の容易さにあります。特定のセンサーは車両や線路への設置に数多くの制限がある一方で、音声データはマイクの設置のみで完結します。また、これまでセンサーでは得られなかった情報も得ることができ、より異常値の分析が正確にできるようになりました。
製造現場の工具管理をAI画像解析で実現
数多くの工具を取り扱う製造現場では、工具部屋等の特定箇所を用いて工具を管理します。工具の現場での置き忘れは重要災害を引き起こす原因となり得るため、工具の追従性が目的となります。従来の方法では、作業員による目視確認が一般的です。
AvintonではAI画像解析により工具の種類や数を検知し、既存の工具管理ワークフローと適合したモバイルアプリを開発し、国内の大手鉄道会社のデジタルトランスフォーメーションを推進しました。物体検知のモデルは工具の増減や特定の種類に対応すべく、再学習が可能です。
従来のマニュアル手法からAIシステムに置き換えることにより、ワークフローの自動化とヒューマンエラーの防止を達成しました。
鉄骨の大型構造物の設備不良を物体検知で検出
鉄骨の大型構造物は時間の経過に伴い錆や結合箇所の緩みといった不良が発生し、災害リスクや操業性の低下に繋がります。これらの不良を全て目視確認で検出する事は非常に時間とコストの掛かる作業となります。
当社では、現場より撮影された動画または画像データより物体検知を用いて不良を検出するためのAIモデルを開発しました。このAIシステムの導入により作業員がマニュアル点検のために現場に留まる必要がなくなり、大幅な操業コストの抑制を実現しました。
AI×データ分析による産業用ボイラーの故障予測
ボイラー設備より収集した時系列データより通常稼働や故障の履歴を分析し、事前に故障を予測した上でレポート発行までを実現する仕組みを構築しました。
従来の統計手法や最新の機械学習アプローチ等を幅広く駆使する事により、高い精度でボイラーの故障を予測する事に成功しました。これにより、人によるマニュアル監視の必要がなくなり、操業コストを大幅に下げる事が出来ました。
AvintonのAIやデータ分析における知見とクライアントのドメイン知識を組み合わせる事により、ソリューションの実現に至りました。
物体検出とデータ分析による農業収量の計測と予測
風、霜、暑さ – 環境への影響は、農家の方々にとって大きなリスクです。
たとえば、人が果物の収穫量を数えると、時間と費用がかかり、
AI モデルを既に利用可能なデータ (過去の気象や作物の収穫量など) でトレーニングし、新しく収集したセンサー データと照らし合わせることで、
人の検出と追跡 安全性とセキュリティを強化
人検知は、実際の人物が検知された場合にのみ作動するため、通常の動体検知とは異なります。 カメラ付きのエッジデバイスを現場に設置し、AI モデルがリアルタイムで人を検出、追跡、カウントします。
検知されると、定義されたアクション (アラートや機械の停止など) が即座に実行されます。 そうすることで、安全性の向上とセキュリティの強化が完全に自動化されたプロセスを実現することが出来ます。
この機能は、危険または立ち入り禁止区域 (製造フロア、駅、住宅など) への不正アクセスの報告、疑わしい行動または事故の検出 (工場労働者または医療施設での患者の転倒など) 、交通管理 (例: 公共エリアで人気のある歩行者ルートの特定)、および小売体験の改善 (例: 買い物客の行動や滞在時間の分析)等に活用されています。
マシンビジョンモデルの精度を改善させるAI活用による画像補正技術
物体検知や画像分類などの機会学習モデルの精度には推論をかける画像の品質が精度に直結します。 粗い画像であれば精度が落ち、高解像度の画像がインプットされれば精度が良くなるのは容易に想像出来ると思います。 しかし、状況によっては常に高解像度の画像を用意できるとは限りません。
たとえば、人工衛星、MRI 装置、またはセキュリティ カメラによって撮影された画像の解像度が、十分な解像度に達していないことなどが例として挙げられます。
このような状況下でも当社の画像補正技術を活用すれば十分な解像度の画像を用意することが可能です。 Avintonの画像補正技術によって画素補間を行い、低解像度の画像から高解像度の画像を生成する技術で、これによって、機会学習モデルが高い精度を発揮する可能性を大幅に高めることが可能になります。
車両管理を自動化するナンバープレート認識モデル
DXの時代に、ますます多くの企業が業務プロセスを革新する方法を模索しています。
日本車両のナンバープレートを精度高く認識する機械学習モデルを開発。本AIモデルは当社のエッジAIカメラにも組み込み可能で、カメラで撮影されたナンバープレートをリアルタイムで認識します。
ナンバープレート認識AIは、建設現場管理、交通量調査、駐車場管理などの手作業や点検作業を自動化、効率化することが期待されています。
私たちのクライアントである大手のゼネコン会社様は ミキサー車などの建設車両の管理に非常に時間がかかることに課題を抱えていました。クライアントと協力して、ナンバープレートAIモデルを搭載したエッジAIカメラで、ナンバープレート情報の検知のみならず、車両の到着、荷降ろし時間、出発時刻の管理をを自動化した事例もございます。
Avintonの強み
Avintonはその創業以来、ビッグデータを多く扱う移動体通信の分野を中心に数多くのデータ関連プロジェクトを支援してきました。現行プロジェクトの半数以上は、お客様のデジタルトランスフォーメーション（DX)を目的としたAI導入やビッグデータ活用です。こちらのブログ記事では、企業にとってのデジタルトランスフォーメーションの重要性についてより詳しく記載しています。
開発は外部に委託せず、全て自社内で行っております。社内には幅広い年齢・国籍のエンジニアが多数在籍しており、あらゆる分野のエキスパートとして活躍しています。そのため、お客様の変化しつづける要望に柔軟に対応することが可能になっています。
AIサービス開発支援プロジェクトのメンバー構成は、要件定義プロジェクト管理を担当するAIコンサルタント、AIモデルの学習を行うAIエンジニア、そしてAIモデルを現場に導入するハードウェア・組み込みエンジニア等のメンバー構成となります。
Avinton Customers
Avinton Customers
ご質問等がございましたら、下記よりお気軽にお問い合わせください。