AIを活用した積載記録により物流プロセスの効率を向上

実運用下での積載作業の自動記録

このシステムの中心となるのは、キャビンにカメラを搭載したフォークリフトです。車両の走行中、カメラは前方エリアを継続的に撮影します。プロセスは納品書の記録から始まり、積載作業のすべての工程を記録します。これには車両の移動操作、各パレットの積み上げ・荷下ろし作業、さらにフォークリフト停止後の積荷固定作業までが含まれます。ドライバーにとっては、これにより大幅な業務負担の軽減が実現します。従来、手作業での記録のために必要だった作業中断が完全になくなります。同時に、システムは一貫性があり追跡可能な画像データを生成し、プロセス全体の透明性を確保します。

リアルタイムでインテリジェントな画像解析

本ソリューションの重要な要素は、取得した画像データのインテリジェントな評価です。カメラは標準化されたUSB Video Class（UVC）インターフェースを介して、追加ドライバーを必要とすることなく車載端末へ直接画像を送信します。その後、データはローカルAIサーバーへ送られ、リアルタイムで解析されます。まず、AIによる画像分類によって各フレームの内容と関連性が評価されます。この段階で取得画像の99%以上が除外され、本当に重要な情報だけが後続処理に進められます。残ったデータについては、DENKweitのDENKnetシステムの専用モデルが使用されます。物体認識と光学文字認識（OCR）を組み合わせることで、納品書やパレット構造を識別します。運行便番号が読み取られ、画像を紐付けるための基準情報として利用されます。これにより、関連するすべての画像を特定の運行便に紐付け、構造化された形で一元管理できます。さらに、画像内のパレット数やそのサイズも判定できます。

距離変化に対応する高画質撮影

本ソリューションの柔軟性は、動的な画像取得能力に特によく表れています。uEye XCオートフォーカスカメラは、異なる撮影距離に応じて自動的にピントを調整します。「納品書を撮影する際には、焦点距離は約35cmに設定されます。一方で積載作業の記録時には、撮影対象までの距離は2〜3mになります」と、CANCOMのAIoTチームリーダーであるThomas Fuchs（トーマス・フックス）氏は説明します。「これにより、照明条件が変化する場合でも、あらゆる状況で鮮明かつ実用的な画像を取得できます。」

使用されているカメラは13メガピクセルのセンサーを搭載しており、自動ホワイトバランス、色補正、さらに明るさ・コントラスト・シャープネスを個別に調整できる機能を備えています。UVCインターフェースにより、追加ドライバーなしで一般的なウェブカメラと同様に利用できます。また、車載端末上のWindows IoTと組み合わせることで、システム統合が大幅に容易になります。デバイスは自動認識され、デバイス管理システムを通じて一元管理できます。

エッジからデータセンターまで拡張可能なAIインフラ

本アプリケーションの大きな強みは、カメラとAIの連携にあります。CANCOMが実装したソリューションでは、DENKweitのコンテナ化されたAIモデルを採用しています。これらのモデルは、エッジ環境からデータセンターまで柔軟に拡張でき、必要に応じてGPUアクセラレーションを利用しながらKubernetes環境で運用できます。初期モデルは比較的少数の学習画像を用いて構築できます。ただし、データの品質と多様性が向上するほど、モデル性能も大幅に向上します。

従来のマシンビジョンシステムと比較して、このアプローチは開発工数を大幅に削減します。複雑なルールベースの画像処理パイプラインを、より迅速に導入でき、要件の変化にも柔軟に対応できる学習ベースの手法へ置き換えることができます。さらに、コンピューティング性能の急速な進歩の恩恵を受けられるため、多くの用途では統合GPUソリューションだけでも十分な性能を発揮します。