エッジラーニング

エッジラーニング 初心者から熟練者まで、すべての人に AI のパワーを

エッジラーニング 初心者から熟練者まで、 すべての人に AI のパワーを 目次 はじめに ..................................................................................3 エッジラーニングとは ...............................................................4 エッジラーニング vs ディープラーニング ...................................6 エッジラーニングの機能 ...........................................................8 エッジラーニングの活用 ...........................................................9 アプリケーション ......................................................................10 まとめ ......................................................................................11 2 エッジラーニング

はじめに ファクトリオートメーションに人工知能（AI）を導入する際の障壁の１つは、その認識されている難易 度の高さです。しかし今日では、技術の進歩によってその常識が覆されつつあります。 エッジラーニングのような新しい技術の導入により、AI はより使いやすくなっています。エッジラーニン グは、あらかじめ学習されたアルゴリズムを使用して、デバイス上、つまり「エッジ上」で処理を行う AI 技術の一つです。この技術は、ディープラーニングなどの他の AI ベースのソリューションと比較しても、 学習に必要な時間と画像の数が少なくてすむため、セットアップが容易です。エッジラーニングは、マ シンビジョンの初心者から専門家まで、すべての人にとって有効な自動化ソリューションです。 目視検査の自動化は、製造速度と精度を向上させるために不可欠です。生産技術の現場担当者は、 常にこのようなメリットを認識し、目視検査の自動化に取り組んでいますが、専門的な技術や大がかり なプログラミングなどのマシンビジョンの複雑さ、さらには高度 AI アプリケーションが大きな壁となっ ています。従来のマシンビジョンの使用経験を持つオートメーションエンジニアでさえも、検査物が複 雑であったり、微妙な欠陥やばらつきがあったりする場合には、その限界を感じざるを得ません。この ような場合、ディープラーニングは素晴らしいソリューションとなりますが、効果的な活用には、熟練エ ンジニアの専門外となる高度なスキルが必要になる場合があります。 エッジラーニングは、「ラインに簡単に自動化する方法を探している現場担当者」と、「ルールベースの マシンビジョンツールを定期的に使用しているが AI やディープラーニングの専門知識がないエンジニ ア」両方のためのソリューションです。 エッジラーニング 3

エッジラーニングとは エッジラーニングでは、事前に訓練された AI アルゴリズムのセット内に効率的なルールベースのマシン ビジョンを組み込み、ファクトリオートメーションに最適化された統合ツールセットを作成します。この 技術には、マシンビジョンやディープラーニングの専門的な知識は必要ありません。現場担当者は、必 要なタスクに関する既存の知識を利用して、エッジラーニングを学習させることができます。 単一のスマートカメラベースのソリューションを導入しさえすれば、どのラインにも数分でエッジラーニ ングを導入することができます。このソリューションは、高品質のビジョンハードウェア、各画像を前処 理して計算負荷を軽減するマシンビジョンツール、ファクトリオートメーションの問題を解決するための 事前学習済みネットワーク、現場で使いやすいユーザインタフェースなどを一つに統合したものです。 エッジラーニングは、一般的なディープラーニングフレームワークとは異なり、汎用目的ではなく、ファ クトリーオートメーションに特化したものです。また、アプリケーション展開のすべての段階において使 いやすさを最も重視している点も、ディープラーニング製品とは異なります。例えば、エッジラーニング では概念実証に必要な画像の枚数も少なく、画像の設定や取得にかかる時間も短く、専門的なプログ ラミングも不要です。 スマートカメラベースのソリューションに より、どのようなラインにも数分で導入す ることが可能 4 エッジラーニング

スピーディな分類検査の一例 エッジラーニングは、視野内の複数の関心領域（ROI）を分析し、それらの領域をそれぞれ複数のカ テゴリに分類できる能力を備えています。これにより、高度なアセンブリ検証を行うことができます。 例えば、ロボットが高速ラインで冷凍食品のトレイを包装する際、4 つのセクションをエッジラーニング で検証し、分類します。各セクションは、中央下に主菜、左上に野菜、中央上にデザートまたは副菜、 右上に主食となっています。それぞれのセクションには複数の SKU、例えば主菜のセクションにはチキ ン、ターキー、ミートローフ、主食のセクションにはライス、ポテト、パスタが該当します。 クリックとドラッグの簡単な操作で、エッジラーニングの処理対象として、食事トレイのセクションごと に領域を定義することができます。その後は、たった数枚の画像（多くの場合、各クラスに対して 2 枚 程度）だけでトレイの各セクションを分類するための学習が完了します。たった数分トレーニングする だけで、エッジラーニングは高速かつ正確に各セクションを分類することができます。新しいクラスや 同じクラス内の新しい品種など、より多くのバリエーションが導入された場合、新しいカテゴリの画像 を数枚追加するだけでツールの更新が可能です。 食品トレイに有効なものは、プリント基板（PCB）やその他の複雑なアセンブリでも有効です。 エンドウ豆 ブラウニー ポテト チキン 豆 米 ターキー コーン 詰め物 パスタ ミートローフ 食品トレイ内の各セクションのトレーニングに必要な画像はほんの数枚、 たいていクラスごとに2枚程度で済みます。 コーン ブラウニー パスタ 豆 詰め物 ポテト エンドウ豆 ブラウニー 米 チキン ターキー ミートローフ たった数分で、エッジラーニングは高速に正確に食品トレイ内の各セクションを分類することができます。 エッジラーニング 5

エッジラーニング VS ディープラーニング ディープラーニングは、人間の脳内で相互に接続されたニューロンが接続を強めたり弱めたりすること で、画像を理解する方法を模したものです。ディープラーニングでは、何百もの層のニューラルネットワー クが、類似したオブジェクトの大規模な画像セットを学習します。新しい画像を学習するたびに、これらの 層内や層間の接続をわずかに修正することで、ディープラーニングは、明示的な学習なしにオブジェクト を確実に識別し、その欠陥を検出します。 ディープラーニング：活用事例 従来のディープラーニングは、大規模かつ非常に詳細な画像セット を処理する能力を備えているため、複雑なアプリケーションや高度 にカスタマイズされたアプリケーションに最適です。このようなアプ リケーションでは、大きなばらつきが生じるため、高度な計算能力と 堅牢な学習能力が要求されます。このようなばらつきを考慮し、潜在 的な結果をすべて把握するためには、数百から数千の画像セットを 学習させる必要があります。従来のディープラーニングでは、このよ うな画像セットの解析を迅速かつ効率的に行うことができ、高度な タスクを自動化するための効果的なソリューションを提供します。た だし、ファクトリオートメーションのアプリケーションの大半は、はる かに単純であるため、エッジラーニングが適しているケースが多いです。 エッジラーニング：活用事例 ファクトリオートメーションの要件やユースケースの知識を最初から ニューラルネットワークの接続に埋め込むことで、AIの力をファクト リオートメーションの課題に応用することができます。この事前学習 により、計算負荷が大幅に軽減されます。（特に従来のマシンビジョ ンツールでサポートされている場合）その結果、エッジラーニングと いう現場で使える軽くて高速なビジョンツールが生まれ、現場担当 者が毎日使用できるようになりました。 エッジラーニングツールは、1クラスあたりわずか5～10枚の画像を 使用して、数秒で学習させることができます。それに比べてディープラーニングソリューションでは、数百 から数千の画像を数時間から数日間かけて学習する必要があります。エッジラーニングは、導入を合理 化することで、迅速に立ち上げを行い、その後の変化にも容易に適応することができます。 6 エッジラーニング

エッジラーニングのネットワークを組み込み型ビジ ョンシステムで最適化するために、特定の関心領 域のみが分析されるようになっています。しかし、こ の最適化にはトレードオフがあることに注意しな ければなりません。従来のディープラーニングのソ リューションで解決できるような、高精度な欠陥検 出アプリケーションでは、ディープラーニングの使 用が適しています。 エッジラーニングを最適化するために、 特定の関心領域のみを分析します。 ディープラーニングではなく、エッジラーニングを使う 3 つのメリット ディープラーニング エッジラーニング エッジラーニングのメリット 学習に必要な画像数 数枚の画像で 数百～数千枚 5 ～ 10 枚 学習が可能 処理にかかる時間 数時間～数日 数秒～数分 より高速な学習 ディープラーニングシステムと それに必要なプログラミングの 経験不要 より簡単な操作性 経験が必要 エッジラーニング 7

エッジラーニングの機能 AI を使ったソリューションには、高度な処理と膨大な演算処理能力が必要になる場合があります。エッ ジラーニングはその力を現場へどのようにもたらすのでしょうか？ ハードウェア エッジラーニングは、小さなフォームファクタに高度なハー センサ ドウェアを搭載しています。エッジラーニングは、照明、オー オートフォーカス トフォーカスレンズ、高性能センサを内蔵したスマートカメ レンズ ラひとつですべて実行されます。 内蔵照明 照明は、コントラストを最大化し、暗い部分を最小化し、ディ テールを引き出すために必要であり、高品質の初期画像 撮像に重要な役割を果たします。 高速オートフォーカスレンズにより、距離が変わっても被 写体にピントを合わせることができます。 関心領域（ROI）の変化に応じて、瞬時にフォーカスを調整することができます。オートフォーカスリキッ ドレンズは、同機能の機械式レンズに比べて小型・軽量であるため、カメラの小型・軽量化を実現し、 生産ラインでの衝撃や振動に強くなっています。 大型で高性能なセンサは、より高い解像度と広い視野（FOV）を提供します。 これらのハードウェアの特徴が、エッジラーニングの実現に貢献しています。 マシンビジョンツール ルールベースのビジョンツールは、位置、測定、方向など、さまざまな特殊タスクに非常に効果的です。 エッジラーニングでは、これらのツールをファクトリオートメーションに特化した形で組み合わせること で、ビジョンツールを連結したり、複雑なロジックシーケンスを考えたりする必要がなくなります。 これらのツールは、あらゆる画像の前処理を高速に行い、 濃淡、エッジ、その他製造上の欠陥の検出や分析に関連 すると経験的に示されている特徴情報を抽出します。画像 の関連部分を識別、明確化することで、ディープラーニン グの計算負荷を軽減します。 エッジ検出 距離測定 パターン 検出 AI 機能 ここ数年で、AI はファクトリオートメーションを大きく変えました。人間のプログラマが作ったルールを 使うのではなく、ニューラルネットワークを構築し、ラベル付けされ可否判定されたパーツから効果的 な合格・不合格閾値を考案するといった例から学習していくのです。つまり、人間の学習方法を模倣し ているのです。 このような AI 機能は、膨大な演算処理を必要とすることがあります。一方、エッジラーニングは、ファ クトリオートメーションの画像が特定構造の情報を持っていることを利用し、その分野に依存する知識 によってアルゴリズムを事前学習することができます。ゼロからスタートしないことで、計算量の少ない アプリケーションになるのです。 8 エッジラーニング

エッジラーニングの活用 導入 エッジラーニングは全てカメラ内で動作します。そのため、撮影データを PC で処理する必要がなく、 省スペースで遅延もなく、IT の介入も不要なため、全体として安価なソリューションとなります。また 小型であるため、他の機器が多く並ぶラインにも容易に設置でき、照明も高機能で、設置場所のニー ズに応じて調整することができます。 トレーニング エッジラーニングのトレーニングは、工場ラインでの新入社員トレーニングに似ています。 エッジラーニングを使用するユーザに必要なのは、ビジョンシステムや AI の仕組みではなく、どのよう な分類問題を解決する必要があるかということです。例えば、部品の OK ／ NG を分類するような簡単 な問題であれば、ユーザはどの部品が合格でどの部品が不合格なのかを知る必要があります。これに は、見てすぐに判別できないような判断も含まれることがありますが、人間が発見しにくい不具合を明 らかにする下流のテストから得られる知識です。エッジラーニングは、機能に影響する不具合を特定す るために部品のどのばらつきが重要で、どのばらつきが純粋な外観特徴なのかを判断するのに特に効 果的です。 エッジラーニングは、OK ／ NG の二値分類に限らず、任意の数のカテゴリに分類することができます。 部品や構成によって 3 つ、4 つのカテゴリに分類する必要がある場合も、同様に簡単に設定することが できます。また、エッジラーニングは、画像内の複数の関心領域（ROI）を一カ所に集中させることも 可能です。もちろん、5 ページの冷凍食品トレイの例のように、複数の ROI と複数のカテゴリを一緒に 扱うことも可能です。 マルチクラス分類：エッジラーニ ングツールは、ブリスタパック内の 錠剤に対してマルチクラス分類を 行い、各セクションを合格、錠剤 の不足、錠剤の不一致のいずれか に分類します。 合格 不足 不一致 マルチ ROI アセンブリ検証：救急 箱に必要な製品がすべて揃ってい るか、3 つの異なる領域をエッジ ラーニングツールでチェックしま す。 エッジラーニング 9

アプリケーション（応用例） エッジラーニングは、ファクトリオートメーションを簡素化し、さまざまな複雑なタスクを解決するなど、 幅広い業界で役立っています。 エレクトロニクス 多くのプリント回路基板（PCB）には、ステータスを示す LED インジケータランプが搭載されています。このアプリ ケーションの目的は電源オン（PWR）、送信（TX）、オフ （OFF）の状態を示すインジケータを識別することです。 従来のマシンビジョンでは、ピクセルカウントツールを使っ OFF PWR てこのような判定を行うのが一般的でした。この場合、各 条件の特定の場所に明るさの閾値を設定する必要があり、 マシンビジョンのプログラミングの経験が必要な複雑な作 業となります。 エッジラーニングは、OFF、PWR、TX の各条件でラベル 付けされた数枚の画像でトレーニングできます。この簡単 なトレーニングの後、エッジラーニングは PCB を 3 つの異 なる状態に確実に分類できました。 TX 医療・医薬品 ガラス製バイアルに規定量の薬剤を自動充填する際、 キャップをする前に液面レベルが適切な許容範囲内である か確認する必要があります。ガラス製バイアルとその内容 物の両方が透明で反射する性質があるため、従来のマシ OK NG ンビジョンでは液面レベルを一貫して検出することが困難 でした。 エッジラーニングは、反射や屈折など、画像の紛らわしい 可変部分に惑わされることなく、充填レベルを識別するた めの学習ができました。充填レベルが高すぎる場合や低す ぎる場合は「NG」に、適切な許容範囲内の場合のみ「OK」 NG NG に分類できました。 10 エッジラーニング

パッケージング 清涼飲料水やジュースなどのボトルは、スクリューキャップ で充填・密封されています。ロータリーキャッパーがキャッ NG プを装着する方法を間違えたり、キャッピングの際にキャッ プが破損したりすると、隙間ができて汚染や漏れが発生す ることがあります。 従来のマシンビジョンでは、生産ライン速度の点において OK NG も、またキャップがきちんと密封されないパターンが複数 ある点においても、非常に困難な適用事例でした。 エッジラーニングでは、「合格」と判定された画像と、人 間の目にはほとんどわからない程度のわずかな隙間があ るキャップの画像が用意されました。完全に密閉された キャップのみを OK、それ以外は NG と分類し、その結果 ラインスピードを損なわずに判定ができました。 エッジラーニングですべての人に AI のメリットを エッジラーニングは、従来のマシンビジョンよりも高い能力を持ちながら、非常に使いやすいという画 期的な技術です。その強力な機能は、高度なマシンビジョンや AI のトレーニングを必要とせず、ライン エンジニアが日常業務の中で簡単に導入・利用することができます。 従来のマシンビジョンツールの知識が豊富なオートメーションエンジニアは、既存の知識を活用して、 高度で堅牢なファクトリオートメーションプロセスの開発にエッジラーニングのパワーを活用することが できます。 エッジラーニング 11

BUILD YOUR VISION 二次元画像処理システム コグネックスのマシンビジョンシステムは、部品の検査、識別、ガイドに おいて比類ない性能を発揮します。導入も簡単で、非常に高度な用途 で信頼性かつ再現性の高いパフォーマンスを提供します。 www.cognex.com/machine-vision 三次元画像処理システム コグネックスのレーザープロファイラおよびエリアスキャン三次元画像処 理システムは、究極の操作性、パワー、柔軟性を持ち合わせているた め非常に高度な三次元測定においても信頼できる精度の高い結果を取 得します。 www.cognex.com/3D-vision-systems 画像処理ソフトウェア コグネックスの画像処理ソフトウェアは、従来のマシンビジョンから AI ベースの画像解析に至る業界トップの画像処理テクノロジを提供するこ とで、あらゆる開発ニーズに対応します。 www.cognex.com/vision-software バーコードリーダ 特許取得済みのアルゴリズムを採用したコグネックスの工業用バーコー ドリーダは、バーコードのシンボル体系、サイズ、品質、印字方式や表 面の状態に関係なく、一次元、二次元およびダイレクトパーツマーキング （DPM）コードで最高の読み取り率を実現します。 www.cognex.com/barcodereaders コグネックスの画像処理およびバーコード読み取りソリューションは、品質の最適化、 コストの削減、トレーサビリティの管理を実現し、世界中の企業に利用されています。 コグネックス株式会社　〒113-0021　東京都文京区本駒込2-28-8　文京グリーンコート23階 <お問い合わせ> 0120-301-448 infojapan@cognex.com 世界拠点 南北アメリカ ハンガリー +36 800 80291 アジア アメリカ合衆国 +1 844-999-2469 アイルランド +44 121 29 65 163 中国 +86 21 6208 1133 ブラジル +55 11 4210 3919 イタリア +39 02 3057 8196 インド +9120 4014 7840 メキシコ +800 733 4116 オランダ +31 207 941 398 日本 +81 3 5977 5400 ポーランド +48 717 121 086 韓国 +82 2 539 9047 ヨーロッパ スペイン +34 93 299 28 14 マレーシア +6019 916 5532 オーストリア +49 721 958 8052 スウェーデン +46 21 14 55 88 シンガポール +65 632 55 700 ベルギー +32 289 370 75 スイス +41 445 788 877 台湾 +886 3 578 0060 フランス +33 1 7654 9318 トルコ +90 216 900 1696 タイ +66 88 7978924 cognex.com/ja-jp ドイツ +49 721 958 8052 イギリス +44 121 29 65 163 ベトナム +84 2444 583358