CEC ONLINE
エッジ AI
エッジAIとは
データの発生元に近い場所でAIモデルを利用して推論することです。それにより、リアルタイムに近いレスポンスを得ることができ、その後のアクションをシームレスに実行することが可能になります。
IEAMの操作画面
IEAMのユーザー・インターフェースをご紹介します。
FAQ - よくあるご質問
よくあるご質問とその回答をまとめました
A: docker形式のアプリケーションをIEAMに登録しエッジ・デバイスやサーバー、Kubernetesのクラスターに自動配布ができます。
A: はい、可能です。IEAMの設定で個々のエッジ・デバイスに対してタグのようなものを付与します。その際に同じ名前でグルーピングしておけば、配布時に複数のエッジ・デバイスに対して同一アプリケーションを配布することが出来ます。
A: 学習モデルは、Maximo Visual Inspection(以下、MVI)を使って作成します。MVIでは学習モデルをGUI操作で作成することが出来ます。
A: MVIでサポートしている分類モデルと検出モデルが利用できます。分類モデルでは、撮影された画像の分類結果(正常、異常、障害A、障害Bなど)を判定することができます。検出モデルでは、撮影された画像から学習した物体の画像上での位置と物体を判定させることができます。
A: ユースケースに合わせて学習モデルを作成します。精度はユースケースや学習データの内容に依存します。
A: 事前確認が必要ですが、USBタイプのWEBカメラや、イーサネットタイプのIPカメラなどであれば実装可能です。
A: 可能ですが、ディープラーニングの学習モデルを高速に動かす場合は、GPU搭載のマシンが推奨されます。また、使用するエッジ・デバイスはIEAMからサポートされているアーキテクチャーに準拠する必要があります。(以下、IEAMマニュアル)
Preparing an edge device
A: ディープラーニングの学習モデルを高速に動かすためにGPUを使用しています。今回のデモをラズパイで動かすことは難しいです。
A: このデモを作成するにあたり、Jetson Nano(4GB)とJetson AGX Xavierでの挙動は確認しております。その他のJetsonデバイスでも動くと考えられますが事前検証が必要です。
A: このデモでは判定結果の蓄積は行っていません。蓄積機能は別途作り込みが必要ですが、ローカルのストレージやクラウドなどへの蓄積が可能です。
A: このデモは通知の仕組みを持っていません。通知機能は別途作り込みが必要ですが、通知システムへの連携は可能です。