NEDO(国立研究開発法人新エネルギー・産業技術総合開発機構)
KDDI 株式会社
株式会社アラヤ

図1　システム構成図

ドローンは、バッテリー駆動のエッジ機器であり、電力量や計算リソースに制限があるため、高い精度を得るための大規模な人工知能（AI）モデルの実装が困難でした。AIモデル搭載のドローンを使用した屋外でのさび点検では、AIモデルを学習したデータの取得環境と実際に点検を行う現場環境とでの環境変動が大きいと、精度劣化が発生しやすくなる点が課題でした。また、ドローンでの点検撮影では、撮影データが高画質で枚数も多くデータ量が膨大となってしまうため、通信帯域が限られるモバイルデータ通信でのデータ連携に課題があります。

このような課題を解決するため、NEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）は、「高効率・高速処理を可能とするAIチップ・次世代コンピューティングの技術開発^※1」に取り組んでいます。その一環として、2018年からKDDI株式会社（KDDI）と株式会社アラヤ（アラヤ）は共同で、「AIエッジコンピューティングに基づくドローン制御技術」「5G通信環境によるエッジ・クラウド連携技術」などを統合した「AIエッジ統合制御システム（映像伝送＋AI）」の開発に取り組んでいます（図1）。

図2　現状のインフラ点検の手順と、AIエッジモジュール活用による展望

（2）AIエッジモジュールを搭載したドローンのフライト実証に成功

2022年12月19日から12月21日までの間、千葉県館山市のKDDI所有の通信鉄塔にてAIエッジモジュールを搭載したドローンのフライト実証を行い、リアルタイムに鉄塔のさびが検知できることを確認しました。
エッジ側のAI処理モジュールとしてFPGAタイプを用いた場合は15フレーム毎秒（fps：frames per second）^※8でのAI画像処理を行うことが可能であり、飛行中であっても十分になめらかな映像をリアルタイムに処理することができます。またAIチップタイプを用いた場合には最大60fps程度でリアルタイム処理ができることを確認しています。
AIエッジモジュールを用いることで、エッジ段階で大量の撮影データの中からさびが検知されたデータのみを抽出することができ、通信量を大幅に抑えることが可能となる見込みです。

図4　ドローン自動飛行撮影時のアプリ表示画面
（中下：晴れ環境での撮影時画像、右下：ドローンのオートフライト状況の位置画像）

（3）5G通信モジュールを介したエッジ・クラウド間の接続実証に成功

5G通信を上空で利用するための本格的な制度運用開始に向けて、今回のフライト実証では、ドローンに搭載したAIエッジモジュールから4G LTE通信モジュールを用いて、撮影したさびの映像をクラウドへリアルタイムに伝送する検証を行い、成功しました。また地上にて5G通信での映像伝送が行えることについても確認できました。
従来、点検分野での撮影データは容量が膨大であるという理由から外部記憶装置やPCを経由してクラウドへ手動アップロードしていましたが、今回の研究開発で開発したシステムを用いることで、4G LTE・5G通信を介しワンストップでエッジ・クラウド間のリアルタイム映像伝送を行うことが可能であることを実証しました。

今回開発した技術は、さび検知以外のさまざまなAIモデルに応用可能です。具体的な社会実装・事業化に結びつく分野として、構造物のひび割れやボルトの緩みなど経年劣化によるさまざまな異常を発見する点検領域や、ドローンがリアルタイムに障害物を検知・回避しながら自律飛行する空撮や警備の分野などがあります。これらの実現に向けて、KDDIとアラヤは5G時代のドローン自律飛行におけるAIエッジコンピューティング技術の確立とエッジ・クラウド間でのデータ連携の社会実装を目指します。
またKDDIでは、今回の成果を用いて、2023年度中のサービスリリースを目標に、ドローンで撮影したインフラ設備の画像をクラウドへ集約させ、さまざまな異常をAIで検知・点検可能なシステムの開発を行っています。

【注釈】

※1　高効率・高速処理を可能とするAIチップ・次世代コンピューティングの技術開発
事業名：革新的AIエッジコンピューティング技術の開発／5G時代を見据えた高度自律的学習機能搭載のためのＡＩエッジコンピューティング技術の研究開発
事業期間：2018年度～2022年度
事業概要：https://www.nedo.go.jp/activities/ZZJP_100123.html

※2　低ビット量子化技術
AIモデル内部の演算ビット精度を小さくして、演算の入出力を細かい値から粗い値に近似することで演算負荷を低減する技術で、値が大きい方がモデルの表現力が増して精度も高まる傾向となりますが、演算負荷も高くなります。AIモデルの量子化では整数8ビットの量子化が一般的に使用されますが、本開発では整数8ビット以下でも精度劣化の小さい量子化技術を開発しました。

※3　FewShotドメイン適応技術
機械学習モデルの学習において、十分な教師ラベルを持つドメイン（ソースドメイン）で学習した知識を、教師ラベルが十分にないドメイン（ターゲットドメイン）に適応することで、学習データ量が少ない（FewShotな）ターゲットドメインでも高い精度を実現する手法のことです。本開発では、少量のラベル付きデータ量が利用できる場合に有効とされる教師あり対照学習の手法に基づき、開発目標である、従来データ量の10分の1未満（約20枚）の画像を用いてドメイン適応を実施しました。

※4　推論パイプライン
NVIDIA社のJetsonNanoをホストデバイスとしてDeepStreamライブラリを動作させ、DeepStreamライブラリにAIエッジモジュールの推論処理を組み込んでいます。

※5　AIチップ
AI処理を専用回路としてチップ実装したAIエッジモジュールのことです。AIエッジモジュールで主流な組み込みGPUタイプに比べて処理速度に優れる特徴があります。本実証ではHailo社のHailo-8を用いています。

※6　FPGA
Field Programmable Gate Array（書き換え可能な論理回路デバイス）を搭載したハードウエア基板です。AIチップタイプ同様のAI処理専用回路を短TAT（Turn Around Time）に実装・開発できる特徴があります。本実証ではIntel社のArria10を用いています。

※7　精度
モデル精度の評価値としてF値（F-Score）を使用しています。正解と予測されたラベルが一致したものの割合を示す適合率（Precision）と、正解が正しく予測された割合を示す再現率（Recall）との調和平均で定義されます。

※8　フレーム毎秒（fps：frames per second）
1秒間に処理できる数量を示す単位です。本件では、カメラ入力した動画像に対してさび検知処理を1秒間に実行できる回数を示します。本開発では、カメラ入力した動画像に対してAIモデルを用いたさび検知処理を1秒間に実行できる回数を示します。

（本ニュースリリースの内容についての問い合わせ先）
NEDO　IoT推進部　担当：広瀬、岩佐　TEL：044-520-5211
（株）アラヤ　新規事業開発部　担当：蓮井　E-mail: support[*]araya.org

（その他NEDO事業についての一般的な問い合わせ先）
NEDO　広報部　担当：根本、橋本、坂本、黒川、鈴木
TEL：044-520-5151　E-mail：nedo_press[*]ml.nedo.go.jp

E-mailは上記アドレスの[*]を@に変えて使用してください。

※新聞、TVなどで弊機構の名称をご紹介いただく際は、“NEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）”または“NEDO”のご使用をお願いいたします。