エッジAIへの取り組み

あらゆる産業界においてAI導入が進み、その多くがクラウド型AIとなっています。
マクセルフロンティアは従来のクラウド型AIではニーズを満たせないお客さま向けに、エッジ側でのAI処理を実現します。

エッジAIデモ


エッジAIデモ - YouTube
ディープラーニングで生成した学習済みモデルを「NVP-Ax400シリーズ」上でクラス分類を実現。
従来の画像認識と組み合わせて、高速な識別処理可能とし、さまざまな識別処理に対応します。

特長

  • クラウドからエッジへ
    エッジ処理で、リアルタイム性を実現
  • 熟練工の目視検査を実現
    NVP推奨モデル(Classification)により、軽くて高速な推論をエッジで実行
  • 従来の画像認識とディープラーニングの融合
    画像認識ライブラリを使った従来の画像認識とディープラーニングを組み合わせることで、よりシンプルに、軽いネットワークでも高精度な認識を実現
  • モデル変換ツールによる簡単エッジ推論
    作成した学習済みモデルを「モデル変換ツール」にて、エッジデバイスに容易に組込み可能

ロードマップ

未来の市場ニーズを見極め、それを満たす機能を定義します。
さらに、その機能を実現するための技術を提示し、技術の進化を拡充・拡大していきます。
ロードマップ

NVP開発フロー

マクセルフロンティアではエッジ側での推論を実現するため、弊社NVPシリーズ上で動作するように、モデル変換するツールを提供しています。
たった4つのSTEPで、従来の画像認識にAI機能を組み入れたアプリケーションを実現できます。
NVP開発フロー

モデル変換ツール

マクセルフロンティアでは、モデル変換ツールをご提供しています。
深層学習フレームワークで作成した、学習済みモデルをNVP用モデルファイルに変換できます。
モデル変換ツール

対応ネットワーク

項目 内容
機能 クラス分類 (2~32分類)
入力チャネル 1ch / 3ch (モノクロ / RGB)
入力サイズ 64x64 / 128x128 / 256x256
ネットワーク構成  Convolution層4層 + 全結合層1層 + SoftMax出力
各層のチャネル数が異なる構成を3種用意
MODEL_A / MODEL_B / MODEL_C

適用事例

AIフレームワークを利用した応用例

読み取りにくい金属面の刻印文字の認識や、良品・不良品の分類を実現できます。
AIフレームワークを利用した応用例

開発協力

山形大学工学部 情報・エレクトロニクス学科 安田宗樹 准教授

画像認識ソリューションに関するご相談、ご質問は、下記フォームよりお問い合わせください。

Copyright Maxell Frontier Co., Ltd. All rights reserved.