課題：

トンネル出口など明暗差大きい場合、内部の明るさに合わせると、出口付近が白飛びし、
出口付近の明るさに合わせると、内部が黒潰れとなり視認性が悪い

解決策：

画像鮮明化技術の適用により、ひとつの映像の中で明暗差が大きくても、明るい場所と暗い場所の両方を、
はっきり自然な状態で表示でき、視認性を高めた

適用例：

ドライブレコーダー、電子ミラー、映像認識、防犯カメラ

課題：

霧や霞などにより視認性が悪い

解決策：

画像鮮明化技術の適用により、霧や霞などの状況を自動的に検出し、除去することで視認性を向上

適用例：

防犯カメラ、ドライブレコーダー、電子ミラー、サラウンドビュー

課題：

動脈に近赤外光を当て撮影すると、血管が見えるようになるが、不鮮明で位置が分かりにくい

解決策：

画像鮮明化技術の適用により、動脈がくっきりと鮮明な映像となり、動脈が特定しやすく、注射などの処置の短時間化ができた

適用例：

医療機器(血管可視化装置)

注)ニレック株式会社より提供

課題：

光の無い暗闇でも撮影が出来る赤外線+可視光(IR-RGB)カメラの映像を、さらに明暗差無く鮮明にしたい

解決策：

IR-RGBカメラへ画像鮮明化技術を適用し、夜間暗闇の視認性を向上

適用例：

防犯カメラ、ドライブレコーダー、監視カメラ

課題：

広範囲を複数台の全方位カメラで監視していたが、人やモノの移動状況は分かりにくかった

解決策：

全方位カメラの映像を合成、視点変化技術により、一つの俯瞰映像とすることで、
１台のモニターで人やモノの移動状況が確認できるようになった

適用例：

広域俯瞰監視システム(高速道路料金所、ビル周辺監視、港湾クレーンなどの大規模施設周辺監視)

AIの活用により、高速道路などの逆走車両検知の自動化を実現。
AI利用による学習、推論による車両検出およびトラッキングと、逆走・停止を検出し発報するシステムの開発事例。

課題：

高速道路や料金所などにおける車両の逆走や異常停止などが問題になっており、監視カメラ映像による自動検知、リアルタイム発報が求められている。

解決策：

カメラ映像を活用し、以下のような画像認識技術とAIによる判定技術を組み合わせることで、より正確な車両の把握とリアルタイムの異常検知を可能としています。
・複数のカメラ映像の合成
・合成映像から車両の検出
・車両の位置、向きの検出
・明るさ、天候、太陽光、ライト、影の影響の低減
・異常状態の判定　など
(※詳細についてはお問い合わせください。)

適用例：

広域俯瞰監視システム(高速道路料金所)

天候や時間帯等のさまざまな条件を考慮したAI学習を行い、高い検出精度を実現

課題：

屋外での物体検出では、刻々と変化する天候や太陽光の変化など、さまざまな環境下に対応した検出が難しい。また、車両は大きさ、形状、色が多数あり、特殊な形状の車両の検出が難しい。

解決策：

さまざまな環境下に対応するAI学習画像の収集、追加学習や、学習用の画像が入手できない車両に対しては、3Dモデルの活用など、AI学習と3Dモデルを効果的に使い検出精度を向上した。

適用例：

広域俯瞰監視システム(高速道路料金所)　

状況	課題	解決策
① 影	・影は刻々と移動し形が変わる ・日差しの強さで影の濃淡が変わる ⇒上記変化に対応できず、影を車両と誤検出することがある	AIの活用 影と背景を学習し、誤検出解消
② 雪	・積雪により背景と車両が同化 ・積雪量によって路面が見える所と見えない所が混在 ・雪は刻々と積もったり溶けたりする ⇒上記変化に対応できず、検出精度が低い	AIの活用 雪のシーンを追加学習し、検出精度向上
③ 特殊車両	・珍しい車両の学習用画像を持っていない ・学習用画像を新たに収集することが難しい ⇒追加学習ができず、検出精度を向上できない	3DモデルとAIの活用 3Dモデルで画像を生成、追加学習により、検出精度向上

道路上のさまざまな形状のクラックを、自動検出し、クラック情報を出力し、補修要否を判定します。

課題：

道路の老朽化に伴う補修作業の自動化において、道路のクラックの状態で補修要否を判断したい。

技術紹介：

道路上のクラック(ひび割れ)をAIに学習させたうえで、判定処理を実施します。
(セマンティックセグメンテーションアルゴリズムの1つである、U-Netを使用した例。)

コンテナ番号の自動認識率を向上。人手作業による修正作業を大幅に低減。

課題：

輸送用の貨物コンテナには、国際規格ISO 6346/JIS Z 1615で定められたコンテナ番号(所有者用コード＋固有のシリアル番号＋チェックディジット用からなる識別コードで構成)の表示位置が定められている。このコンテナ番号の読み取りをカメラ画像から自動認識したいが、コンテナ番号の表示位置のずれ、揺れによるブレ、表示の汚れやキズなどによる不鮮明、コンテナの色とコンテナ番号の色による影響、太陽光やライトによる反射や影の影響、雨や霧などの気象条件などにより、認識率は約80％程度で、人手による修正対応が必要であった。人手作業を減らすために認識率の向上が望まれていた。

解決策：

日立産業制御ソリューションズの映像処理ノウハウと、AIの効果的な活用により、認識率97.3%を達成することができた。
(詳しい解決方法についてはお問い合わせください。認識率は自社調べ、本事例の適用条件、環境条件によるもので、認識率は条件、状況により変わります。)

適用例：

ターミナルゲート通行時のコンテナ番号認識

ルネサスエレクトロニクス製MPU「RZ/V2L」
を採用したS.E.Technologies Limited製AIカメラの開発に協力

日立産業制御ソリューションズの対応範囲(RZ/Vシリーズ)：

ルネサスエレクトロニクス製マイクロプロセッサ(MPU)「RZ/Vシリーズ」(AIアクセラレータ「DRP-AI」を内臓。AI技術を活用し、人や物をリアルタイムに認識する用途向け)に対応する、日立産業制御ソリューションズの取り組みについて紹介します。

(1)アプリケーション、ドライバ、OS、AIを含めたカメラ開発
    ⇒  AIネットワークの開発および、RZ/VシリーズへのAIネットワークの実装。

(2)カスタムカメラ信号処理の実現および、AI性能改善を補助する画像処理を実現
    ⇒  RZ/Vシリーズへのカスタムカメラ信号処理および、上記画像処理の実装。

対応画像処理技術
視認性向上	HDR	2DNR	3DNR	歪み補正	視点変換

RZ/Vシリーズ対応技術
Simple ISPへの画像処理追加	CRU活用による画像処理高速化	AI前処理によるAI性能向上	DRP-AIによる画像認識

開発事例：

ヘルメットや作業服の適正着用をAIカメラで判定するシステムの開発に協力。

課題：

工場内で作業員が適切な色のヘルメットや作業服を身に付けているかを、特別なセンサーなどを身に着けたりせずに判別したい。

解決策：

色相指定による物体検出に対応したAIカメラの提案を行い、画像処理部で色相映像生成のカスタムカメラ信号処理を追加して、色相映像対応のAIカメラを実現。AIカメラによりヘルメットや作業服の色を判別し、適切な服装や装備が着用されているかを確認できるようになった。