AI カメラ: IoT センサーの代わりになるか?

さて、私たちは少し誤解を招いているかもしれません。 AI カメラとは、実際にはコンピューター ビジョンを意味します。 人工知能を活用した画像解析の最近の進歩により、カメラが実際にいくつかの種類のセンサーを置き換えることができるかどうか疑問に思います. 多くのユースケースで、ハードウェアの管理がはるかに簡単になり、より洞察力のあるデータが提供されます。 視覚知能は、人間の目よりもはるかに多くのことを提供します。 同時に何百もの場所を観察したり、サブミリ スケールにズームダウンしたり、赤外線で見ることができます。 現在センサーによって監視されている多くのもの (温度、動き、近接) を検証し、実際には AI を搭載したカメラによって改善することができます。

この記事では、センサーをカメラに置き換えるのが最善かどうかについて、独自のユース ケースを考慮して回答を試みます。

最近のハードウェアとソフトウェアの改善

コンピューター ビジョンと AI 対応カメラの進歩は、今日の機能をより適切に実行できることを意味します。

カメラは高品質で安価

4 ～ 60 fps (フレーム/秒) 以上で撮影する HD および 120K カメラの民主化により、コンピューター ビジョンには、これまで以上に優れたリアルタイム映像を分析するための適切なツールが備わっています。

高速走行する車のナンバーを読み取るなどの用途では、鮮明な画像を捉えるために高速で回転する必要があります。 フルフレームセンサーと4Kにより、XNUMX台のカメラで広い視野を監視できます。

カメラはどこにでもあります（そして飛んでいます！）

特にスマートフォンのハイエンドカメラは、現場で直接、簡単に定性的なデータ取得を行うことができます。 産業のメンテナンスに関しては、どの技術者もポケットに画像やビデオをアップロードし、AI に相談して問題の解決策を見つけるためのツールを持っています。 農業では、農家は作物の写真を撮ると、潜在的な病気に関する情報をすぐに得ることができます。

ドローンは、特に農業または大規模な産業設備 (電力線、リサイクル プラント、パイプラインなど) で、コンピューター ビジョンの重要な部分にもなっています。 ドローンが広い範囲を飛行できるということは、数年前でもコストがかかりすぎたであろう画像をカメラで収集できることを意味します。

エッジ インフラストラクチャの台頭

ビデオ フィードには、ほとんどのデータ ソースよりも多くのストレージ スペースが必要です。 クラウドに複数の 4K 映像を継続的にアップロードするコストは、ビデオを使用する際の障害になる可能性があります。 エッジ インフラストラクチャは、映像をローカルで分析し、さらに分析するためにそのデータの一部のみをアップロードすることで、この課題に対処します。

ビデオでは、特に農業用土壌センサーなどのデバイスと比較して、データのプライバシーとセキュリティが非常に重要です。 ファイルをエッジ デバイスにローカルに保存することで、ハッキングのリスクを軽減できますが、何よりも、データが盗まれた場合の責任を明確にする必要があります (サイト マネージャー、クライアント)。

IoTにおけるカメラのユースケース

人間の視覚を超えたものを見る

私たちは人間の目を通して世界を見ています。これにより、適切な距離と適切な照明条件で、約 30 度の視覚精度で見ることができます。 カメラはそれよりはるかに制限されていません。 特に複数のカメラを組み合わせた場合、コンピュータ ビジョンはほとんど制約を受けません。 さまざまな角度から見て、それらのさまざまなフィードをリアルタイムで分析できます。

品質チェック用の高解像度RGBカメラ

生産チェーンでは、多くの場合、製品のランダムなバッチ (おそらく 1%) を選択して検査することにより、品質チェックが行われます。 AI 対応のカメラは、プロセスを遅くすることなく制作全体を検査し、人間の目には見えないデフォルトを確認できます。

自動運転車用 Lidar カメラ

ライダー カメラはレーザー ソナーを使用して、自動運転車にとって重要な物体の距離を評価します。 これにより、衝突を回避し、車両に周囲の環境を認識させます。 この技術がなければ自律走行車は実現できません。

熱検知用 FLIR (赤外線) カメラ

前方監視赤外線 (FLIR) カメラは、電子カード、パイプ、または機械の過熱を検出するための正確なサーモグラフィを提供します。 この場合、アラートを受信するために複雑なアルゴリズムは必要ありません。 FLIR カメラはまさにセンサーのように機能します。 FLIR カメラは現在、COVID-19 に対応して配備されています。 彼らはできる 適度な距離で人々の体温を監視する、邪魔にならない方法で。 また、軍隊でも長年使用されてきました。

複数のセンサーを XNUMX 台のカメラに置き換える

コンビニエンス ストアの冷蔵庫は、複数のセンサー (重量、温度) を追加することで、自動的に在庫を確認できます。 AT&T イノベーション ファウンドリーは、これらすべてのセンサーを置き換えるカメラ搭載システムを開発しました。 カメラは、特定の棚の在庫が少なくなることを検出し、リアルタイムで温度を監視します。

センサーに対するカメラの制限

オクルージョン

多くの場合、カメラを XNUMX 台だけインストールしてもうまくいきません。 オクルージョンの問題 (オブジェクトが別のオブジェクトの背後に隠れている) に取り組むには、いくつかの角度からの複数のカメラが必要です。 ソニーのスタートアップ企業は、マルチカメラ AI を活用したソリューションを発明して、動物の健康状態を監視し、特に牛舎の熱を検出しました。 リンクされたカメラは、いくつかの角度の XNUMX つが遮られていても、牛が別のカメラに乗っていることを識別します。 ただし、これは複数のカメラを使用している場合にのみ可能です。

電源とネットワークの可用性

連続して撮影するカメラは、バッテリーだけでは電力を供給できないため、直接電源が必要です。 カメラを夜間に動作させる必要がある場合、ほとんどの場合、ソーラー パネルは十分ではありません。 また、HD フィードをクラウドにアップロードするには、4G が必要です。

これらの XNUMX つの仕様により、低消費電力のセンサーが何年も動作する可能性がある場合、一部の遠隔地にスタンドアロンのカメラを設置することが困難になります。

分析リソース

複数のビデオ フィードを取り込み、それらを理解するようコンピューターに学習させることは、実際には、通常の IoT センサー データ分析よりもはるかに複雑なミッションです。 FLIR カメラを使用した熱検知のような単純なものでさえ、個人や中小企業が大部分が利用できる場合、AI パスを通過するには非常にコストがかかり、結果が不確実になる可能性があります。

分析作業を処理できる機械および深層学習エンジニアの需要は高いため、スタートアップや小規模企業にとっては、採用コストが主な障害になる可能性があります。

センサーの代わりにカメラを選ぶべきですか?

ユースケースはそれぞれ異なるため、投資を検討する価値がある XNUMX つの例を説明します。

• たとえば、工場の機械の過熱を検出するには、センサーのようなカメラが必要です。 カメラは、数十個のセンサーを置き換えることができます。 ビデオ フィードはローカルに保存され、カメラは簡単にインストールできます (ネットワーク、電源)。 カメラに行きます。
• たとえば、労働者がヘルメットをかぶって建設現場に入るのを確認するには、カメラよりも視覚的なインテリジェンスが必要です。 ユース ケースは一般的であり、このタスク用に事前トレーニングされた ML アルゴリズムを簡単に見つけることができます。 すべてのヘルメットにセンサーを取り付けるよりも、ビルド済みの画像認識ソフトウェアを搭載したカメラの方が理にかなっています。 投資は、将来のすべての建設プロジェクトで再利用できます。 しかし、ユースケースが具体的になりすぎると、開発コストが潜在的なメリットをすぐに超える可能性があるため、再利用性が低下します。
• 非常に具体的な、オーダーメイドのビジュアル インテリジェンス ソリューションが必要です。 セキュリティ ガラス ドアを製造している多国籍企業を想像してみてください。 彼らは、組み立てラインでガラスのデフォルトを検出したいと考えています。 彼らは、このミッションを数か月間処理するための専任チームを必要としています。 彼らは以前、AI をトレーニングするためにタグ付けされた数千の画像を収集してタグ付けすることにより、このプロジェクトを準備しました。 さらに、ソリューションを複数の生産サイトに実装することで、ROI が加速されます。

他の IoT のユース ケースに関しては、コンピューター ビジョンへの切り替えはコストがかかりすぎたり、リスクが高すぎたりする可能性があります。 カメラは IoT ソリューションを強化できますが、必ずしも IoT エコシステムに適合するとは限らず、ビデオ フィードは LPWAN ネットワークを適切に通過できません。

ソース: https://www.iotforall.com/ai-cameras-can-they-replace-iot-sensors