エッジAI + コンピュータービデオが木製ラック業界に新たな風を吹き込む

北京、12月30日:インテリジェントな要素がエッジに向かって動いています。

データ収集速度が向上するにつれて、エッジに近いコンピューティング移行ソリューションにより、データ リソースをより効率的に使用しながら、レイテンシとインフラストラクチャ コストを削減できるようになります。一方、コンピューター ビジョンは、機械をトレーニングして視覚コンテンツを解釈および理解できるようにすることを目的とした人工知能の分野です。

コンピューター ビジョンの目標の 1 つは、機械が人間と同じように画像を認識し、処理できるようにすることです。機械学習を通じて実行されるコンピューター ビジョンの 1 つのタイプでは、いわゆる教師あり学習手法が使用されます。この手法では、大量の注釈付き画像を使用して計算モデルが構築されます。モデルのトレーニングには時間がかかり、多くのリソースを消費することが多いですが、一度トレーニングすると、モデルはさまざまな認識タスクを迅速かつ効率的に実行できるようになります。

画像およびビデオ分析の具体的な例は次のとおりです。

物体の姿勢を識別、分類、カウント、評価し、視覚情報を圧縮してエンコードし、送信または照合し、カメラの視点を推定し、前景と背景の 2D セグメンテーションを実行し、深度を推定して 3D セグメンテーションを実行し、画像内の遮蔽された領域を復元したり、視覚データを推測したりします。

最近のエッジ AI テクノロジーの発展により、これまでデータをクラウドにストリーミングしていたのとは対照的に、カメラ上でローカルにデータを処理および分析できるようになりました。この新しく非常に強力な処理能力により、コンピューター ビジョンを木製ラック業界で使用することも可能です。

コンピューター ビジョン アーキテクチャには 3 つのタイプがあります。

• 計算のためにビデオや画像をクラウドに送信します。

• エッジで一部の計算を実行し、検索、ソート、計算のために少量のパターン情報のみをクラウドに送信します。

• エッジ AI はエッジですべての画像データを計算します。最後の方法はより難しく、エッジ デバイスにインストールして頻繁に更新できるモデルをトレーニングする必要があります。これらのアーキテクチャにはそれぞれ長所と短所がありますが、コンピュータービジョン研究機関の継続的な発展により、将来的にはあらゆるシナリオに適したアプリケーションモデルが登場する可能性があると考えています。

[[287308]]

木製パレットは、世界中の商品の輸送やサプライチェーン物流業界において不可欠な要素です。欧州木製パレット・梱包製造業者連盟（FEFPEB）の報告によると、現在EUで流通している木製パレットは30億枚以上で、米国では毎日20億枚以上が使用されており、そのほとんどは資源埋蔵大手によって管理されている。顧客は共有リソース プールからラックをレンタルし、調達、管理、リサイクルにおけるサプライ チェーン製品管理メーカーの複雑さを軽減します。

もちろん、これらの巨大企業は、サプライチェーン全体を監視し、その中でのパレットやラックの流れの傾向を把握し、損失やリサイクルポイントを迅速に発見し、パレットやラックの損傷問題や使用サイクルを正確に計算したいと考えています。包括的な監視を可能にするために、各ラックに固有のタグまたは追跡デバイスでラベルを付けることができます。パレットに固有の ID (バーコードや QR コードなど) が付いている場合、製造業者はコンピューター ビジョン テクノロジを使用して、サプライ チェーンを流れるパレットの動きを追跡できます。追跡装置が取り付けられている場合、システムはコンピュータービジョンを使用して、パレットがサービスセンターの仕分けラインを通過するときに、パレットの交換またはメンテナンスが必要かどうかを検出することもできます。

木製パレットは、ブナ、トネリコ、ポプラ、マツ、トウヒなど、さまざまな木材から作られています。パレットに選ばれた木材によって木目や質感の特性が決まり、個々のパレットの強度や耐久性を評価できるだけでなく、パレットに固有の追跡可能なマーカーも提供されます。さらに、パネルを固定するために使用される釘は、パネルの耐用年数に関する情報を明らかにするトポロジも形成します。たとえば、パネルのラックをサプライ チェーンで使用できる期間がどれくらいになると、検査や修理が必要になるかなどです。

トレーニング済みのコンピューター ビジョン モデルを使用すると、パレットの製造時にパレットの固有のテクスチャ パターンを識別し、これをパレットのライフサイクル全体にわたってタグ付けおよび管理するための基礎として使用できます。サプライ チェーンのプロセス中にパレットが破損して修理されると、これらのリンクがパレットの質感と構造に与える影響をさらに記録することもできます。コンピューター ビジョンは、これに基づいてラックを追跡できるだけでなく、ラックの強度と耐久性を判断することもできます。この低コストのソリューションにより、ラック製造業者は、ラックを製造した後、または一定期間使用した後にラックを検査する手順を踏むことができます。さらに、ラックメーカーは、顧客や垂直産業から提供される損傷の数や種類などの問題に関する洞察を収集して、ビジネスモデルを拡大し、設計を改善し、それによって自社サービスの信頼性を大幅に向上させることもできます。

現在、調査対象組織の 95% が、木製パレットが今後もサプライ チェーン市場を支配し続けると報告しています。木材は現在、100%再生可能、リサイクル可能、再利用可能で、さまざまな商品を安全に運ぶことができる唯一の梱包材です。

さらに、コンピューター ビジョンは、倉庫内のパレット上の正確な在庫レベルを維持する上で重要な役割を果たすことができます。トレーニングされたニューラル ネットワークは、多数のラックの単一画像を使用して、人間の専門家をはるかに超える速度と精度で信頼性の高いラック カウント結果を提供できます。

サプライチェーンの主要業績評価指標 (KPI) に加えて、コンピューター ビジョンはパレットの保管、検査、修理などの側面にも適用でき、サービス センターの作業員の安全性と作業効率を向上させるのに役立ちます。釘打ちなどの反復作業をニューラル モデルに入力すると、リアルタイム ビデオから作業者の精度、疲労などを判断できます。さらに、この技術ではリアルタイムのビデオを使用して、作業員が許可されていないエリアに侵入したか、危険な行為に従事したか、適切な個人用保護具を着用しているかを判断することもできます。これにより、職場での事故のリスクが大幅に軽減され、関係する企業は信頼性の高い生産プロセスを維持できるようになります。