そして、どのように実現しようか考えたところ…

「Meeting Owl Pro（ミーティングオウル）^※」というスピーカー搭載の360°Webカメラを活かして実現するのが早くて最適、
ということになり…
製作させていただいたのがこちら【リモート会議用モニタ IINE-EV01】です！

Meeting OWLが賢く最大３名まで発言者を自動フォーカスしてくれて、さらにそれを手元のディスプレイで見ながら会議できるので便利！

＼3～4人の会議に最適！どこでもリモート打合せをスタートできます／
より手間なく簡単にWeb会議を始めたい方にぴったりなアイテムです。

見た目のフクロウも遊び心があってデザインも可愛いです。

元々は米国のOWL Labs社という企業で開発されたWEB会議用製品で、米国を中心に30,000以上の企業で利用されているそうです！

▼ 製品の詳細については、こちらで紹介されています

引用：ミーティングオウル製品紹介ページより　https://meetingowl.jp/

＜ミーティングオウル製品紹介ページ＞
https://meetingowl.jp/

＜マニュアルページ＞
https://www.sourcenext.com/produce/app/manual/meetingowl/JP/index.html

＜参考：ソースネクスト株式会社　国内独占販売権取得プレスリリース＞
https://sourcenext.co.jp/pressrelease_html/JS/2020/2020060301/

＜参考：Owl Labs（米）のWebページ＞
https://owllabs.com/

〇リモートワークで不在の席にポンと置いて会話
オープンなデスク環境の場合、リモートワークの方の席にポンと置いておくことでそこに居るかのように会話が可能になります。

〇簡単シンプル接続でストレスなし！
重さは約4Kgなので持ち運びも可能です！

エッジコンピューティングとは、
データをクラウドに送らずデバイスのすぐ近くで１次処理をすることで分散処理を行い、高速化や通信回線の負荷軽減をする仕組みです。

エッジは「端」という意味合いです。

例えばスマートウォッチ（ウェアラブルデバイス）で考えてみます。
まず、スマートウォッチ内部のセンサから脈拍データを取得します。そのデータ全てをクラウドへは送って処理するのではなく、端末側（つまりエッジ）で異常がないかチェックし利用者に知らせます。そしてエッジ側で整理された必要なデータのみクラウドへ送信することでスマホからデータ管理が可能となります。

このような仕組みがエッジコンピューティングです。

『できることは現場（エッジ）で処理』する、というイメージですね。

エッジコンピューティングを採用するメリットは主に以下の3つです。

① 高速化・高信頼性

デバイスの近くで処理されるため、処理速度が高速になります。
特に、リアルタイム（数ミリ秒単位）で処理判断が求められる場合に最適です。

• 例えば自動車の自動運転で異常検知に時間がかかっては事故につながってしまいます。少しの遅延でも重大な場合にエッジ処理は適しています。

② 回線コストの削減

IoTの活用が進み、生みだされるデータ量は膨大です。
ですがエッジ側で1次処理して必要なものだけをクラウドへ送信することで、ネットワークの負荷を軽減させることが可能になります。

• 例えば監視カメラの場合、顔だけを切り抜きサーバーへ送信することで通信料の削減になります。

③ セキュリティの強化

IoTでは以前からセキュリティ面が懸念されていました。インターネットを介してクラウドに接続するため、外部からの脅威にさらされるリスクが高いためです。

エッジコンピューティングでは外部ネットワークを介さずエッジ側（端末内部や近くのサーバ）で処理を行うため、データ漏洩リスクを軽減することができます。

• 例えば入館記録の場合、顔などの個人情報はエッジ側で匿名化し最低限必要なメタ要素だけをクラウドへ送ることで漏洩リスクを軽減できます。
• 高機密データを収集、蓄積したくない、プライバシーを保護したいという場合に適しています。

■IoTカメラ「Vieureka カメラ」パナソニック株式会社

パナソニック株式会社の「Vieureka（ビューレカ）プラットフォーム^※」対応のIoT（AI）カメラは、来客の行動把握による店舗運営のサポート、工場での従業員の行動管理などで利用される。

カメラ本体で画像解析を行うため、現場のパソコンは不要。

映像データは送信せずに解析データのみ送ることで通信コストも抑えられ、また画像はカメラ内で破棄されプライバシーの保護も可能になっているとのこと。

カメラ内蔵のアプリのアップデートも遠隔操作で可能。

「Vieurekaプラットフォーム」
IoT機器による画像解析、クラウドからIoT機器（CPU内蔵のIoTカメラ(*1)）の管理、IoTカメラ内のアプリのアップデートを行うことのできるプラットフォーム。

引用：パナソニック株式会社　https://tech.panasonic.com/jp/bi/vieureka/camera.html

＜参考元URL：＞
パナソニック株式会社
　
https://tech.panasonic.com/jp/bi/vieureka/about.html

■除草ロボット「See & Spray」Blue River Technology社

John Deere社（米）傘下のBlue River Technology社（米）は、半導体メーカーNVIDIAのエッジプラットフォームを活用して、除草ロボット「See & Spray」を開発。

ディープラーニングアルゴリズムを活用し、雑草と作物を区別することで雑草だけに正確に除草剤を噴射できる。

それにより、雑草対策にかかるコスト削減、除草剤消費量の削減、除草剤を農地一帯に散布することに伴う安全性の課題解決に期待されている。

＜Blue River TechnologyYouTube公式ページ　より引用＞　Blue River Tech – See & Spray testing

引用：Blue River Technology社　https://bluerivertechnology.com/our-products/

＜参考元URL：＞
Blue River Technology社
　https://bluerivertechnology.com/

日本経済新聞「エッジコンピューティングの活用進む8つの業界」2020.03.30
　https://www.nikkei.com/article/DGXMZO57251700W0A320C2000000/

■クラス分類　（教師あり学習）

AIに情報を入れて学習させることによって、カテゴリー分けする技術です。
ラベル付けされた教師データを学習することで、ある決まったカテゴリー（クラス）に分けることをクラス分類といいます。
カメラで写された画像が人なのか犬なのか・・・女性なのか男性なのか・・・を学習データに基づいて判断します。

■回帰　（教師あり学習）

連続する数値を予測する技術を回帰といいます。
例えば、過去の販売実績や販売価格、天気や気温などの実績データを学習することで、「明日、どのくらいその商品が売れるか」のように将来の売上予想をするといったものです。

■クラスタリング　（教師なし学習）

クラスタリングは、沢山の情報から似たものを集めてグループ化することです。
例えば、顧客アンケートをインプットすることで顧客タイプや属性を分析することに使われます。

■異常検知　（基準値ベース/教師あり学習/教師なし学習）

通常とは異なる値を検知した場合に異常を知らせる技術です。
例えば、工場の機器などの場合異常値のデータが少ない場合があるため、その場合は「教師なし学習」が用いられます。

■強化学習

AI自身が試行錯誤しながら、最適なシステム制御を実現するのが強化学習です。ゲームや自動運転に利用されています。

※プロ棋士に勝利した人工知能「AlphaGO」のアルゴリズムも強化学習を使用。

日本システムデザイン(株)では
AIを使った　新しい“エッジデバイス”
　×
35年以上の“JSD　画像処理＆センシング技術”

をベースに、より人の役に立つものづくりをしていきたいと考えています。

血管まで再現されています。

こちらは、プリンタに読み込ませる手の３次元データ（.stl）です。

STL（Stereolithography：英 ステレオリソグラフィー）データ形式は、3Dプリンターの入稿フォーマットとして多く利用されているそうです。

今回の手の3Dデータ作成方法ですが
位相シフト法と空間コード法の２つを合わせて使い３次元データを作っています。
技術に関して詳しくは以前の記事もご覧ください。

「3Dプリンタ」です。

数年前でしょうか、一時期話題になっていましたよね。

今後は製品のプロトタイプ（試作品）を作る際などに、こちらの3Dプリンタを利用していく予定です。

弊社は今年から特に「ロボット」に力を入れていきますので、製品制作の効率アップに期待です！

本体に用意されていた「サンプルデータ」で試作してみると・・・

とても綺麗な仕上がりで出来上がっていました！

オレンジ色のこちらは
“フィラメント” という３Dプリンタ用の材料（素材）です。

一見、ワイヤーのようにぐるぐる巻きになっていて、グルーガンのグルースティックが細くなったような雰囲気でもありますね。

フィラメントは大きく「２種類」あるようです。このオレンジ色のものは【PLA】という素材ですが、【ABS】素材も利用可能とのことでした。それぞれ、一長一短あるので作る物の目的に応じて使い分けられるようです。

3Dプリンタの今後の活躍に期待です！

以上、技術ニュースでした。

※後日、面白い試作品についてアップ予定です！

（2019.12.27　結果を追記しました！　↓↓↓）

今日も、技術のエキスパート井谷のデスクを覗いてみると・・・
なにやら長細いものが２つ。

なんと照明を自作しておりました！

「検査装置ではなく、照明ですか！？」と思わず訊いてしまいましたが、それは“画像処理の精度を高めるため”。

ある画像処理の検査装置が、現場（工場）では正常に認識されなかったそうです。

もちろん社内テストでは正しく画像認識されていましたし、工場の外に出て自然の太陽光の下でテストすると上手くいったとのこと。

そのため、原因が工場内のLED照明ではないかと想定。改善するために “太陽光LED^※1” を使った照明を試作している、とのことでした。

▲ユニバーサル基板と呼ばれる穴が開いている基板を縦長にカットし、太陽光LEDを12個ライン状に並べた照明

“太陽光LED”とは “一般的なLED” 照明と、どう違うのでしょうか？

一般的なLEDは、実は青色のスペクトル（波長）成分がとても強いです。
対して、太陽光LEDは青だけ突出しておらず波長が平坦です。

※下記図中の一番右列が【一般的なLED】、左から２列目が【太陽光LED】

引用：豊田合成株式会社 ＞ 太陽光LEDについて

▲ クリックで画像を拡大できます

そのため、今回の事象でも本来青色が “少なく” 検出されるべきところが、青の波長が少なくならないことで、結果として他との差が出ずワーク（対象物）が正しく認識されない結果となっていました。

キーとなるのは「演色性^※2」という指標です。

理想の光は「太陽」で、光の波長の分布がフラットな方が画像処理に適している、ということなんですね。

ちなみに工場内はすべて一般LEDが使用されており、そのRa（演色性）は68と低めです。

演色性が高い蛍光灯は生産中止→LED化という時代の流れの中、今回の試作照明で使った “ 太陽光LED ” は今後の画像処理（カラーカメラ）における救世主となるかもしれません。

（日本システムデザイン(株)でも、画像処理の照明におけるスタンダードとしていく予定です！）

以上、最新情報についてでした。

この度、
製材会社様向け【丸太の径級計測システム】についての製品ページを公開いたしましたのでお知らせいたします。

丸太の小口面を３D距離画像カメラで撮影することで径級サイズを計測します。

一番の特長は「丸太の長さがバラバラであっても、１軸テーブルを利用しカメラが自動的に適切な位置へ移動するので高精度な計測が可能なところ」です。

現場での横からの撮影

ライン上から丸太が１本けり出されて来ると［画面右手］、カメラが自動的に計測に最適な位置まで移動［画面左手］します。

▼ 詳細製品ページはこちら

• 製材加工の現場で、これは自動化できる？
• 市販の装置では対応しきれない計測システムを実現したい

ということがありましたら、お気軽にご相談ください。

***　その他木材関連装置はこちら　***

（お客様の声）『ライン上での寸法測定が無くなったので稼働がより効率的になりました』▼
【事例】木材検寸装置 ＞

「径級仕分け・受入検査・材の管理」に▼
丸太外径検査装置(ログスキャナ) ＞

「正答率 99.10％以上！」▼
年輪方向判定装置 ＞

まずはこちらの動画[0:09]をご覧ください

木の棒を動かした方向に、ロボットが寄ってきていますよね。

金属の溶接部分は下の図のように重なり合っていて必ず【段差】があります。
“レーザ照射＆画像処理”により、その段差の中心を見つけ、なぞっていく仕組みを開発したそうです。

▼【参考】段差検出時の画像処理画面（緑色のラインが段差を検出した箇所）

こちらは約30Kgほど。

簡単に移動可能なようにリモコン操作でも動かせる仕組みにしているので、ロボットに自分で動いてもらって移動させることができるそうです。

のご紹介です。

まずは、こちらの動画をご覧ください！（※眼がチラチラするのでお気をつけください）

パラパラと連続で光が照射されていますよね。

ワークの上部には、カメラとプロジェクタがあり、全部で「28パターン」の光を照射してそれをカメラで撮影しているそうです。それから画像処理をして高精度な３次元位置を特定します。

★【位相シフト法】だけだと　→　精度は良いけれど高さ情報が分からず、
★【空間コード法】だけだと　→　高さは分かるけれど精度があまりよくない、とのこと。

ですがこの２つの方法を組み合わせることでお互いの短所を補い合うことが出来ます。

少し仕組みについてご紹介しますと、パターン照射してそれをビット毎に割り当てることで空間コードを割り出し「三角測量」を使って高さを導きます。

よって精度の高い「位置（X、Y、Z座標）」と「傾き（ロール・ピッチ・ヨー）」までを算出できるそうです。

参考画像

カットされている製材の年輪を検出して “年輪の中心が上か下か” を判定します。

木材は乾燥させると必ず反りが発生します。

年輪の外側の方がより水分を多く含んでいるため、丸太の表面に近い側（木表：きおもて）がへこむ形で反りが出るそうです。

一旦乾燥させて反ってしまった木材を再度削って「反りのない真っすぐな製材」にする際、機械の関係で “反りの向きを揃える” 必要があるそうです。

木が反る方向は年輪と相互関係があるので「年輪の向きを判定することが出来れば、反りの向きも判断できる」ということになります。

★当初
95%～96%
　↓
★改修を重ね
97.2%
　↓
97.41%
　↓
97.76%　までで上げてきていました。

その中で正答率を下げる原因が【鋸目（のこめ）】であるということが分かりました。

丸のこでカットした鋸の跡が照明の影となり、年輪と鋸目の区別がつかなくなっているものがあったのです。

そこで、当初斜めから１方向で照らしていた照明をやめて２方向から照らすことで、できるだけ「鋸目の影」ができないように変更しました。

★現在は、照明の変更により
97.76%　から
　↓
99.10%　まで正答率を上げた状態で稼働しています。
　↓
（2020年9月4日追記）パラメータの調整により、現在、正答率は99.56%で稼働しています！