お客様の課題を「AI」で解決します
AIでこのようなお悩みはありませんか?
![AI開発フロー](img/ai_flow.png)
課題にマッチした構成・デザインをご提案します
AIグランドデザイン
アーキテクチャパターンの検討イメージ
![アーキテクチャパターンの検討イメージ](img/kentou1.png)
機械学習の各プロセスの実行環境の検討イメージ
QCDの各トレードオフを踏まえ、学習、推論の各プロセスをどの環境で行うべきかのグランドデザインが重要
![機械学習の各プロセスの実行環境の検討イメージ](img/kentou2.png)
AI処理の高速化をご提案します
チップ・FPGA選定/ボードデザイン
ボトルネックを調査「可視化」
動的解析ツール(当社製品)を使ってシステム全体の挙動を可視化し、ボトネックとなっている処理を特定
![ボトルネックを調査「可視化」](img/kashika.png)
![ボトルネックを調査「可視化」](img/allow2.png)
ボトルネック処理を「高速化」 Case1.~3.
Case1. ソフト処理をGPU/DPU処理化
![機械学習の各プロセスの実行環境の検討イメージ](img/kashika2.png)
カメラによる物体検出システムにおいて、25倍の高速化を実現
Case2. ソフト処理を高位合成化
![機械学習の各プロセスの実行環境の検討イメージ](img/kashika3.png)
カメラによる物体検出システムにおいて、1000倍の高速化を実現
Case3. FPGA演算子リソース分配を変更し最適化
![機械学習の各プロセスの実行環境の検討イメージ](img/kashika4.png)
カメラによる物体検出システムにおいて、1.5倍の高速化を実現
PoCから、製品化までを見据えてご提案します
製品化・量産への着実な進行
AI開発が頓挫する主な要因
- ●プロジェクトゴールが設定できていない
- ●AI側の開発に注力し、周辺システムの開発検討が不足している
- ●AIチームと周辺システム開発チームが分離してしまう
![ボトルネックを調査「可視化」](img/allow2.png)
システム全体を見渡した開発が重要
![システム全体を見渡した開発が重要](img/teian.png)
AIモデル単体の開発だけでなく
システム全体での設計やプロジェクトゴール設定を支援
製品化・量産への着実な進行
ビジネス構想段階からご支援します
見積比較サービス
AI開発の対応分野
![AI対応範囲の図](img/4_AI_5.jpg)
組込み領域から、クラウド・サーバシステム
ネットワーク連携まで対応します
ネットワーク連携まで対応します
導入実績
クラウドサービス活用エッジAI
クラウドサービス(Azure)を活用して、エッジAIで外観検査を実施
Custom Visionを使用して、外観検査用の学習モデル作成・更新
AI活用により不具合検出率の向上を実現
Custom Visionを使用して、外観検査用の学習モデル作成・更新
AI活用により不具合検出率の向上を実現
![外観検査](img/5-gaikan_kensa_2.png)
![学習用モデル更新イメージ](img/5-gaikan_kensa_cycle.png)
- 適用分野
-
- ・外観検査
学習モデルを独自に作成するため、様々な検査対象物に適応する
- ・外観検査
- 技術キーワード
-
- ・クラウドサービス:Azure IoTEdge、
Azure Cognitive Services(Custom Vision)、
Azure Container Registry - ・開発言語:Python
- ・開発環境:Docker、visual studio code、Pycharm
- ・クラウドサービス:Azure IoTEdge、
画像解析
対象画像、動画に必要な前処理を実施
画像解析を用いて、外観検査や異常検出を実施
画像解析を用いて、外観検査や異常検出を実施
![画像解析](img/6-gazoukaiseki_5.jpg)
- 適用分野
-
- ・半導体基板外観検査
- ・医療画像解析
- 技術キーワード
-
- ・ツール:MATLAB
- ・機械学習:決定木
- Random forest、Deep Learning、LightGBM
- ・開発言語:Python、Halcon
- ・開発環境:Jupyter、Hdevelop(Halcon)
- ・開発手法:UMAP、ドリフト補正、周波数フィルタ、エッジ強調
数値データの分析・解析
生体試料から得られる数値データの分析・解析
生体試料に含まれる成分の細胞分類アルゴリズムの改善支援
生体試料に含まれる成分の細胞分類アルゴリズムの改善支援
【1】データ取得
![](img/4_toukei_01.jpg)
- 生体試料から測定データ取得
【2】データ解析
![](img/4_toukei_02.jpg)
- 数値データを統計解析
- 統計的に有意なデータを新たな特徴量として生成
- 必要に応じて機械学習(ランダムフォレスト等)利用
- 解析アルゴリズムとして解析エンジン開発
【3】検証
![](img/4_toukei_03.jpg)
- 解析アルゴリズムが正しく動作しているのか
テストデータを使用して検証 - 確認観点:正確度、感度、特異性など
- 適用分野
-
- ・医療検査データ分析・解析
- 技術キーワード
-
- ・機械学習:SVM、決定木、Ramdom forest、k-means等
- ・開発言語:Python、C++
- ・開発環境:Jupyter、Visual Studio