ハラルSNS向け3段階AIコンテンツ審査システムの検証・設計 本プロジェクトでは、インドネシア市場向けのハラルSNSにおいて、テキスト・画像・動画を対象とした3段階のAIコンテンツ審査フローを検証・設計しました。開発工数は22MM、開発期間は5カ月です。 プロジェクト概要 開発対象 ハラルSNS向けAIコンテンツ審査 対象コンテンツ テキスト・画像・動画 作業範囲 3レイヤー構成の実装・検証・評価・ベンチマーク・最終提案 開発工数 22MM 開発期間 5カ月 AIコンテンツ審査フロー ユーザーが投稿したテキスト・画像・動画を、端末、AWS、外部AIの3つのレイヤーで審査します。端末側でNG候補を絞り込み、追加確認が必要な投稿だけを上位レイヤーへ送信する構成です。 01．レイヤー1｜端末 テキストはNGワード辞書、画像・動画はTensorFlow Liteを使用して端末上で審査します。 02．レイヤー2｜AWS テキストはOpenAI Moderation API、画像・動画はONNX Runtimeを使用して追加審査を行います。 03．レイヤー3｜外部AI 追加確認が必要な場合は、SightengineおよびGoogle・AWS・AzureのAIサービスを利用して審査し、投稿可否を確定します。 実装・検証のポイント 01．多言語テキスト処理 テキストを小文字化し、記号・絵文字を除去して表記を統一しました。また、「4→a」「@→a」などの類似文字を置換しました。 言語別にトークン化・ステミングを行い、ホワイトリストを除外したうえでNGワードと照合しました。 02．画像・動画処理の最適化 AIモデルの入力仕様に合わせて画像をリサイズし、動画から判定対象となるキーフレームを抽出しました。 重複フレームを除去して処理データ量を削減し、信頼度スコアに応じて上位レイヤーへ送信しました。 03．AIサービスの比較・評価 顧客提供のデータセットと評価基準を使用して検証し、サービス別に判定精度と処理時間を測定しました。 管理者の目視結果とAIの判定結果を比較し、評価レポートを作成したうえで採用構成を提案しました。 AIコンテンツ審査について相談する AIソリューション実績集をダウンロードする
基板の挿入方向・欠品を自動検出するEdge AI外観検査治具の開発 本プロジェクトでは、AGAC・AGPS製品の基板を対象に、QRコードの組み合わせ確認と、部品の挿入方向・欠品などの実装不良検査を自動化するEdge AI基板検査治具を開発しました。開発工数は22MM、開発期間は5カ月です。 プロジェクト概要 開発対象 Edge AI基板検査治具 検査対象 AGAC・AGPS製品の基板 作業範囲 AI開発、ソフトウェア開発、ハードウェア統合、導入展開 開発工数 22MM 開発期間 5カ月 基板検査フロー DIP、FCT、ファームウェア書き込みが完了した基板を検査対象とし、基板側とLoRa側のQRコードを照合します。照合後にPCBラベルを貼り付け、Edge AIが基板画像から部品の挿入方向と欠品を判定します。検査に合格した基板は組立工程へ送り、不合格の場合は不良位置と検査ログを確認して修理工程へ送ります。 コアテクノロジー 01．QRコード照合 FCT完了後の基板を照合対象として登録し、PCBラベルのASSY S/NとLoRa側のQRコードを読み取ります。読み取った情報を照合用データファイルの組み合わせと比較し、一致・不一致をPass／Failで即時表示します。 不一致となった基板は後続の組立工程へ流さず、修理工程へ送ります。 02．Edge AI外観検査 DIP後の基板画像から部品の実装状態を確認し、挿入方向の誤りと欠品を自動検出します。約1,000枚の画像を撮影・ラベリングし、モデルを最適化したうえで実機環境における精度を検証しました。 判定結果と不良箇所は画面上に可視化します。 03．治具・エッジ実装 Jetson SOM搭載端末で画像をエッジ処理し、焦点距離を調整したカメラで基板を撮影します。マウント、ケーブル、照明を治具へ統合し、ラベル貼付工程直後のコンベア上に設置しました。 撮影した画像、基板ID、判定結果はローカル環境へ保存します。 Edge AI・外観検査について相談する AIソリューション実績集をダウンロードする
滅菌バッグの処理状態を判定するAI画像解析システムの開発 本プロジェクトでは、スマートフォンで滅菌バッグを自動撮影し、AIがインジケーターテープの色変化を解析するシステムを開発しました。滅菌処理状態の判定から記録・管理までを一元化しています。開発工数は16MM、開発期間は4カ月です。 プロジェクト概要 開発対象 滅菌バッグのAI自動判定システム 作業範囲 設計、AI開発、ソフトウェア開発、インフラ、テスト 開発工数 16MM 開発期間 4カ月 システムの仕組み 現場スタッフが滅菌バッグを設置すると、iPhoneアプリがバッグを自動検出・撮影し、画像をAI画像解析APIへ送信します。AIがインジケーターテープを抽出して色を解析・分類し、判定結果をアプリへ返します。画像、撮影日時、判定結果はMicrosoft Azureへ保存され、管理者は管理用Webから確認・対応できます。信頼度の低い判定は管理者へ通知されます。 コアテクノロジー 01．AI画像解析 解析精度を高めるため、撮影した画像を前処理します。事前学習済みの分類モデルをファインチューニングし、インジケーターテープの領域を特定・抽出します。 抽出したテープの色変化を解析し、滅菌処理状態と判定結果の信頼度を出力します。 02．自動撮影モバイルアプリ 従業員・医療機関ごとのアカウントでログインし、滅菌バッグを自動検出して撮影・クロップします。判定結果を画面に表示し、処理状況を音で通知します。 オフライン時にはデータを一時保存し、通信の復旧後に自動で再送します。 03．クラウド・管理基盤 画像、撮影日時、判定結果をMicrosoft Azureへ保存し、ユーザーと医療機関の紐付けを管理します。 管理用Webでは、データの検索・編集、画像のダウンロード、CSV出力に対応しました。また、信頼度の低い判定は管理者へ確認通知を送ります。 AI画像解析について相談する AIソリューション実績集をダウンロードする
温度測定・顔認識・アクセス制御に対応したスマートサーマルカメラ開発 本プロジェクトでは、複数のAI機能を搭載し、温度測定、顔認識、アクセス制御に対応したスマートサーマルカメラを開発しました。12名の開発体制で、約190人月、2年間にわたり対応しました。 プロジェクト概要 開発対象 スマートサーマルカメラ 目的 複数のAI機能を動作できるスマートサーマルカメラの開発 開発体制 12名 開発工数 約190人月 期間 2年 対応範囲 要件定義、アーキテクチャ設計、基本設計・詳細設計、実装、各種テスト、ハードウェア設計まで対応しました。 主な開発内容・実現内容 01．ハードウェア設計・OS最適化 デバイス要件に合わせてハードウェアとOSを設計しました。 02．温度測定アルゴリズム 0.3℃の測定精度の実現に向けて、高精度な温度測定アルゴリズムを調査・実装しました。 03．Black-bodyレス 現地で基準器を設置・デプロイする必要のないBlack-bodyレスを実現しました。 04．認識AI・顔認識 認識用のAIモデルと顔認識機能を実装しました。 05．アクセス制御・自動同期 入退室管理に対応し、ユーザー情報をリモートサーバーと自動同期する機能を実装しました。 06．タッチスクリーンUI 操作しやすいタッチスクリーンのユーザーインターフェースを実装しました。 07．エッジAI基盤 JetPack、DeepStream、Yocto Linuxを活用してエッジAI基盤を構築しました。 使用技術 C／C++｜JetPack SDK｜DeepStream SDK｜Yocto Linux｜GStreamer｜Visual Studio Code AI・エッジAI開発について相談する AIソリューション実績集をダウンロードする
Smart Glasses向けAIアシスタント統合PoC 本PoCでは、Smart Glasses向けに音声・画像・翻訳・対話機能を統合し、ハンズフリーAIの実現可能性を検証しました。Smart Glassesで取得した音声・画像データをAndroidアプリと連携し、複数のAI機能を組み合わせました。 PoCの課題 01．日本語音声認識 自然な言い回しや文脈を理解し、日本語コマンドの認識精度を高める必要がありました。 02．デバイス間連携 Smart Glassesで取得した音声・画像データを、Androidアプリへ安定的に連携する必要がありました。 03．ハンズフリーAI体験 音声・画像・翻訳・対話を組み合わせ、操作負担の少ないAI体験を検証する必要がありました。 PoCで検証したポイント 01．日本語Intentの最適化 LLMによる文脈理解を活用し、自然な問いかけや音声コマンドに対する認識精度の向上を検証しました。 02．安定したデバイス接続 Bluetooth通信を最適化し、Smart GlassesとAndroidアプリ間の安定したデータ連携を確認しました。 03．4つのAI機能の統合 音声コマンド処理、画像認識、リアルタイム翻訳、LLMベースのAIチャットボットを統合し、AndroidアプリのPoC構築とUATを完了しました。 想定ユースケース 01．リアルタイム翻訳アシスタント 海外旅行中にカメラで捉えた看板や標識を読み取り、日本語で翻訳・解説します。 02．会話からのToDo自動化 会話から重要事項とタスクを抽出し、期限・優先度を推測してスマートフォンのToDoへ登録します。 Agentic AIへの発展構想 質問に応答するReactive AIから、状況に応じて提案するProactive AI、さらにタスクを実行するAgentic AIへ発展させ、単なる応答AIから実行可能なAIエージェントへの展開を想定しています。 01．位置・文脈に基づく提案：位置情報や文脈に基づき、自動でリマインドを提案します。 02．On-device AIとクラウドAI：低遅延と端末制約を考慮し、On-device AIとクラウドAIを組み合わせます。 使用技術 LLM｜STT／TTS｜画像認識AI｜Bluetooth通信最適化｜Androidネイティブ AIソリューションについて相談する AIソリューション実績集をダウンロードする