VISION Shotとは
VISION Shotは、画像認識に関連するAI-APIビジネスをターゲットにしたソリューションのためのプラットフォーム、2019年から現在までの50例以上の画像認識のPoCや製品開発の知見をベースにしたシステムです。
概要は、ここも参照して頂ければ、ドメインや製品などもご紹介しております。
画像認識の種別は、
- 「物体の特定領域の情報認識」
- 「行動分析」
- 「顔認識」
- 「自然現象分析」
が中核となります。
特徴
多様なシステム構成
- 多様な顧客ニーズに応えつつ、システム構成コストの最適化を狙う
- HW構成とソフトウェア構成ともに多様性あり
AI画像認識を中核としたワークフロー支援
ノーコードでユーザは、ワークフロー定義やパラメータを調整可能
- 弊社独自の VISION Shot Workflow
- 有力なノーコードツールとの連携
画像認識技術だけでは、顧客が満足される認識性能を満たすことが十分でないケースがある。それを別のデータベース機能などと連携でカバー
生成系AIを活用した高いソフトウェア開発の生産性
VSWのTP1はスクラッチからLLMによって開発。またカードプログラミングも、LLMによって開発可能。現在、コード生成AIを利用して、仕様・設計・実装・テストのサイクルの自動化のための拡張コマンドを開発・試作中。
VISION Shotの構成
試作開発を行い複数のデモソフトウェアを開発しました。そのデモ動画をご紹介致します。
詳細は、ここを参照してください。
VISION Shot Client (VSClient)
- iPadとそのカメラを利用して、現場で画像認識を行い設置されている機器の製造番号などの情報を取得します。
- kintone等のノーコード・ローコードアプリケーションフレームワークとの連携
VISION Shot Cloud (VSCloud)
- VSClientと連携し、主にAI画像認識を担うバックエンドシステムです。これはAIエッジコンピュータやCloudで動作します。
VISION Shot Workflow
- 弊社が開発している画像認識のためのノーコード・ローコードツールです。
- 主にPoC用途を想定して開発しており、従来より実証実験などが短時間に容易に行えます。
事例
BFR - 帳票読取りシステム
システム構成は、AIエッジコンピュータで一体化されているソフトウェアが動作します。
帳票の内容をカメラで撮影した画像データを画像認識技術で、その情報を読取ります。高精度ですが高速で動作します。
(2)「物体識別による検品」リテール編
システム構成
フロントエンドは VSのClientライブラリを利用したWindowsアプリケーション、画像認識はオンプレミスのサーバーで実行されています。
ユースケース
このユースケースのベースは、PoSレジシステムとの連携。一般の商品には、そのパッケージにバーコードが記載されており、バーコードを読み取ることでPoSレジで商品情報を認識します。では、バーコードがない製品の場合は、どうでしょうか。たとえば、中古のデジタルカメラを販売しているシーンで、本体をそのまま販売する場合、実際の例は、陶器などシールなどを貼り付けられない条件に対応したケースでした。このデモでは、３つのデジタルカメラをその外観から識別します。
(3) 「暖房機器」 修理サービス kintone on iPad編
システム構成
フロントエンドは kintone を利用、VSはそのプラグインを準備、画像認識はCloudで実行します。
ユースケース
フィールドエンジニアが、暖房器具の点検でそのユーザの設置場所で、修理伝票を起票する。そのため製品番号とシリアル番号をカメラ撮影により、自動転記します。
効用
従来は手書きで修理伝票を起票。時間もかかり、記載ミスもこのデモでは、目視し、それを紙に記載していた作業をiPadのカメラ撮影で起票のための入力までを自動転記します。
(4)「暖房機器」 修理サービス VSW編
システム構成
フロントエンドは VSW、画像認識はCloudで実行
ユースケースと効用
Demo1と同様
特長
VSWで開発することで、
•UIなどの自由度が広がる
•画像表示など画像の扱いが高速処理可能
•すでに関連リソースがある場合、短期間に試作が可能
(5)「物流現場での出荷支援」 VSW編
ユースケース
物流現場で活用。出荷のための出荷伝票がデータベース上にあり、ここでは、製品型名と出荷数に着目した出荷作業。データベースにある製品型名とその出荷数の情報があります。一方で、出荷対象となる製品の段ボールを作業者がピックアップし、その箱に貼付されているラベル情報をカメラで撮影します。撮影した画像データから製品型名と数量をAI画像認識技術で抽出。その結果と出荷伝票データを比較。具体的には出荷伝票の出荷数に段ボールにある数量が足りているか算出し、足りていれば作業は完了。足りなければ、同じ製品の段ボールを探し、ループ動作となる。
効用
この現場で扱っている製品はほとんどが輸入品で、複数企業から海外各国程度の国から輸入した段ボールを扱っています。そのためラベルの書式も様々で、ラベルのどこに何が書いているか、作業者が覚えることが大変です。そのため引き継ぎ時間や作業時間もかかり、作業ミスもエキスパートでなければ多くなる。このデモでは、作業効率を向上し、かつ画像データが作業と顧客へのトレーサビリティーのエビデンスになります。
特長
VSWは、PoCや試作開発をその用途として開発。この例はVSW単体で認識の結果を、DB上のデータと擦り合わせを行うことが出来る。また、ワークフローツールとして、現在の試作品の仕様でもループ構造を持つことが可能で、やや複雑なワークフローを実装可能。 認識結果とDB上のデータと結果をすり合わせて、文字認識結果の精度向上が可能です。
＊デモ動画は、一時的に公開を停止しております。
(6) 「LLMと連携」 修理サービス支援 VSW編
背景
このデモを作成した背景は、メールの文書を考える時間がかかり、ダブルチェックにも手間が掛かる。そこで、生成系AIツールを利用して保守期限延期のルーチン作業を自動化したいという要望を実現。
ユースケースと効用
このデモでも画像認識技術を利用しておらず、次のユースケースを満たすデモとなっています。
•暖房機器の保守製品のDBへアクセスして、現日時から指定した日数以内に保守契約が失効するRecordがあれば、それを取得する。
•そのレコードがあれば、各契約者毎に契約者の特性を考慮したメールを自動生成し、送信。
特長
契約者の特性に応じた内容のメールを自動生成するため、雛形になる”ベースになるメール”を用意すれば、この雛形に対してLLMで個別メールを作成する。