R&D

コニカミノルタは、現在新中期経営計画 SHINKA 2019 に基づき、「課題提起型デジタルカンパニー」として、常にお客さまの課題を先取りし、共に解を創出することを目指しています。お客さまに新たな付加価値を提示し、信頼されるパートナーとなるため、これから世に送り出すコニカミノルタ独自の技術、MOBOTIXの技術、そして3rdパーティーの技術を組み合わせた研究開発例の一端をご紹介します

3Dレーザーレーダーと連動するセキュリティーソリューション

MOBOTIXと3Dレーザーレーダー

コニカミノルタ独自の光学技術により開発されたレーダーデバイスは、広範囲に3次元動体検知が可能で、MOBOTIXの組み合わせにより、お客さまの現場のセキュリティーレベルを飛躍的に向上させます
現場の状況を複数の目でセンシングすることにより、死角をなくし、高精度に異常の検知、行動の分析、危険の予知を行うことを可能にします。社会の安心・安全を創造するため、高次元で双方のデバイスを融合させたソリューション開発を加速させています

ディープラーニング (CNNモデル) を用いた物体識別

CNNを用いた物体識別


MOBOTIXで捉えた対象物の画像データにラベル情報を付与し、ディープラーニングにおける Convolutional Neural Network (CNNモデル) を用いて学習を行い、その結果に基づいて映像内のオブジェクトを識別します。研究開発チームの中では、転移学習をもちいることで比較的短期かつ効率的に学習を実施し、様々な用途への展開性を見据えて活動しています

展開用途例

  • 工事現場においてミキサー車のみ識別する
  •  駐車場において大型バスのみ識別する

ディープラーニング (RNNモデル) を用いた異常検知

RNNを用いた異常検知

MOBOTIXのサーマルカメラ(赤外線カメラ)で捉えた温度をはじめ、定期的に取得したさまざまなデータを時系列に整理し、ディープラーニングにおける Recurrent Neural Network(RNNモデル) を用いて学習を行い、次にどのような波形が生じるか予測することにより、早期の異常検知、故障によるダウンタイム回避を実現するソリューションを構想しています
異常発生時データの少なさによる学習の困難さの回避、時系列にデータを扱う手法を用いて精度向上を図り、お客さまの安心・安全な就労環境の実現に貢献します

危険エリア自動設定による安全支援システム

現場の安全管理に! - 危険の検知・通知システム

工場や建設現場など、危険が伴う環境において、MOBOTIX独自の画像解析技術を現場の安全対策(事前に設定した危険エリアへの人の侵入を検知し、音声やメール等で注意喚起・危険な状況を通知する)に活用いただいています
現在、この機能を発展させ、カメラから収集した映像とディープラーニングによる学習結果のモデルを組み合わせ、カメラを通して現場の変化を捉え、それに応じて危険エリアを自動で設定・最適化するソリューションを開発しています

日々刻々と変化する現場の中で求められる安全対策作業を削減/効率化し、働く人の事故を抑制を支援します

展示例:スマート工場EXPOにおけるカラーコーンを対象にした危険エリア設定の自動化

危険の検知・通知システムデモイメージ

クラウドAI(汎用的機械学習モデル)を活用した画像解析

クラウドAI

本来、画像解析によって、有意な意味を抽出するには、大量のデータを収集、意味付け、そして学習させる必要があり、そのことが大きな負担になる場合もあります。そのため、現在多くのクラウドサービス企業は、自社で収集したデータの学習結果を公開し、簡単に画像の内容を解析するアプリケーションの開発を支援しています

これらのサービスは、MOBOTIXから収集した画像の活用の可能性の幅を拡張させると考えており、様々なサービスを実際に活用・評価し、その学びに立脚したソリューション開発を進めています

展示例:弊社主催デジタルマーケティングフォーラムにおけるクラウドサービスとの連携

Emotion見える化デモイメージ
Google, Google Cloud Platform, GCP および Google Cloud Storage は、Google LLC の登録商標または商標です

関連するコンテンツ

お問い合わせ

コニカミノルタ ジャパン株式会社

製品に関するご質問、見積依頼、検証機レンタルお申し込みなど、ぜひお気軽にお問い合わせフォームからご相談ください