リッジアイ、映像から取得した時系列データを活用して異常検知を行う映像監視AI「DeepFire」のベータ版を提供開始

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(以下、リッジアイ)は、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映像監視AI「DeepFire」を開発し、ベータ版の提供を開始した。

合わせて、SOMPPOリスクマネジメント株式会社と普及と活用の促進において協業し、リッジアイが提供する「生産設備の映像監視 AI化支援コンサルティング」の顧客となるエネルギー業界、廃棄物処理業界、製造業界等をターゲットに試験導入も開始した。

DeepFireは、時系列解析の学習を行うディープラーニングのモデルと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ソリューションである。

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、映像解析において高い推論精度を実現、また正常シーンのデータと少量の異常シーンのデータ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人間のエキスパートと同精度のシーン判定を可能とした。

燃焼シーンの監視にDeepFireを実装するケースとして、小型火力発電所やごみ焼却施設への導入があげられる。小型火力発電所ボイラーやごみ焼却施設燃焼室内に設置したカメラから取得した映像をリアルタイムで監視することで、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、燃焼シーンの映像データから異常の予兆を検知することが可能となる。その結果、異常発生前に稼働を停止せずに制御・メンテナンスができ、操業の効率化や稼働率の向上に貢献する。

また、粘性シーンの監視については、食品製造工程における撹拌・混合状態等、常時監視があげられる。従来、同現場では熟練者が目視で長年の経験や勘による監視を行い、定性的な異常検知を行ってきた。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、監視業務の自動化や若手への伝承を実現する。さらに、より高度な研究および開発業務等に人員を配置することも可能となる。

さらに、液体シーンへの活用例としては、工場の汚水・排水処理設備への導入があげられる。従来の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。

その他にも、製造工場にDeepFireを導入し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。
リッジアイ、映像から取得した時系列データを活用して異常検知を行う映像監視AI「DeepFire」のベータ版を提供開始
なお、DeepFireの正式ローンチについては2020年冬頃を予定しており、中長期的にはDeepFireのモデルおよび顧客が保有する各種データの利活用についても、SOMPOリスクマネジメントと協業を図る予定としている。

Previous

JCBとグルーヴノーツ、「City as a Service」の実現に向けた購買統計データ活用に関する基本合意書を締結

経産省、自動走行ビジネス検討会報告書「自動走行の実現に向けた取組報告と方針」Version4.0の取りまとめを公表

Next