AI・ディープラーニング技術のコンサルティングと開発を行う株式会社Ridge-iとSONPOリスクマネジメント株式会社は、2020年3月に業務提携を開始した生産設備の映像監視AI「DeepFire」β版について、2021年4月12日、第一弾の実証実験を完了し、生産現場への映像監視AIの効果的な実装が可能なことを確認した。
両社は今後、「DeepFire」のより精度の高いモデル構築に取り組み、生産現場の自動化と効率化を実現するプロダクトの提供を目指すと共に、両社連携のシナジーを活かしたサービス展開を加速させ、映像監視AIの社会実装に取り組んでいくとのことだ。
生産設備の映像監視AI「DeepFire」とは
2020年3月にβ版提供を開始したDeepFireは、時系列解析の学習を行う最適なディープラーニングのモデルと高度な画像処理技術を組み合わせることで、これまで定量的な判断が難しかった時系列で状態が複雑に遷移する、「燃焼」、「粘性」、「液体」等の状態を的確に解析、異常・異常予兆の検知の自動化を可能とするプロダクトだ。時系列データを処理する複数のネットワークを組み合わせることにより、高度な映像解析において高い推論精度を実現、また、正常シーンを教師データとして学習させることで、少ない学習データ量で熟練者と同精度のシーン判定が可能となった。
▼「DeepFire」概要
ソリューション名 | 「DeepFire」 β版 |
---|---|
概要 | 「映像監視AI」映像から取得した時系列データを活用し異常検知を行う |
価格 | オープン価格 |
パートナー | SOMPOリスクマネジメント株式会社 |
主な機能 | ・映像情報から「燃焼」、「粘性」、「液体」等の状態を解析 ・異常・異常予兆を自動で検知、操業の効率化や稼働率を向上 ・監視業務の自動化、定量化 |
提供業界 | ・エネルギー業界、・廃棄物処理業界、・製造業界 等 |
想定される適用事例 | ・「燃焼」状態の自動監視: 小型火力発電所やごみ焼却施設の燃焼室を常時監視し、異常燃焼や有害物質の排出等をセンサーで検知する前に、その予兆を把握し、異常発生前に制御・メンテナンスを実施することが可能となり、操業の効率化や稼働率の向上につながる ・食品製造工程における「粘性」のある物体の撹拌・混合状態の見える化: ベテランの職人が目視で確認していた発酵状態や練り状態を画像で判別することで、品質を安定化させることに加えて、職人の技能継承を容易にする ・「液体」処理状況の自動監視: 工場の汚水・排水処理設備や、水処理施設における水質判定は、浮遊物・泡・波・色・流れ等を人が目視によって複合的・定性的に判断していた。AIによる常時監視により、コスト削減や一定の品質での監視が可能になる ・製造工場における搬送設備の異常検知: 搬送設備の状況を監視することにより、搬送ラインの詰まりや欠品等の予兆を捉えることで、ライン停止前に予防処置が可能となる |
実証実験の成果
2020年8月から3カ月行った実証実験において、現場で液体の状態変化を見ながら機器の操作を行っている熟練者と同等の判断基準を、AIが自動認識したことを確認した。この結果、映像データから自動で異常状態の検知が行えたことにより、人による常時目視を必要とせずに、ポンプ操作を自動で行うことができるようになる。今後、監視業務に「DeepFire」を導入することで、人による判断基準を標準化および定量化し、常時監視業務の自動監視によって業務効率化が可能となり、より高度な研究や開発業務等に人員を配置することも可能。同実証実験は、映像監視データからAIが異常検知を成功させた第一弾であり、映像から取得した時系列データを多く所有しているエネルギー業界、廃棄物処理業界、製造業界等において、安全な運用や人員配置を効率化させるプロダクトとして活用できるよう、様々な業界への提供を加速させる予定だ。
■【動画】【実映像データによる成果紹介(45秒)】
https://vimeo.com/469664895/b1fb6748ef
実証実験概要
同実証実験は、産業廃棄物・特別管理産業廃棄物の収集運搬・処分などを請け負う、株式会社ミダックの工場内で稼働している油水分離処理後の廃液の移送状況を録画した映像データを基に、2020年8月から11月までの3カ月で行なった。
▼ 今回実施した実証実験
対象作業 | ・油水分離処理は、工場などから廃棄された廃油を油と水に分離する中間処理 ・処理後の廃液を移送する際に、熟練者が性状を判断し油が混入したタイミング(異常状態)で、手動にてポンプを停止する作業を行う。このことにより油が次工程に送られるのを防ぐことができる ・この状態監視及び判断は熟練者が常に目視で実施している |
---|---|
目標 | 目視確認している作業員と同じタイミングで、DeepFireが異常を検出してポンプ停止タイミングのアラート出す |
学習データ | 正常シーンのみの映像 約3時間のみ |
実験結果 | ・ポンプ停止タイミングを自動で検出することに成功 ・複数作業員が判断するタイミングのばらつきの範囲内で、異常シーンを判定(ばらつきは同現場における許容範囲である) |
参考比較 | 一般的に利用されているルールベースの画像解析技術(閾値で2値化し、ピクセル数をスコア化する手法)でもトライアルを行ったところ、異常状態の検知が困難という結果となった |
ミダック本社事業所所長 松本徹 氏
これまでは作業員が処理後の廃液移送のポンプ稼働中に常時監視を行う必要がありましたが、実証実験を通じてDeepFireが熟練者と同等のタイミングで異常の状態を検知でき、この精度は現場で使用可能なレベルと考えております。DeepFireを現場へ導入することで、人手不足や無人化などの課題を解決できると考えています。
検知イメージ
監視カメラの映像から、現在の油水分離槽の状況を把握し、求める変化の段階でポンプ停止用の信号を発報することで、自動停止を行うことができる。
AI画像解析 関連記事(ロボスタ)