Loading spinner
Siana Systems社およびe2ip社と協働し、STは、STM32N6マイクロコントローラをベースにしたエッジAIセンシング・キットを開発しました。この概念実証により、どうすればインテリジェント・ビジョン機能をインベントリ・システムやセーフティ・システムにシームレスに統合できるのかが示されました。このキットの狙いは、特定の1つの課題を解決することではなく、組み込みAIを使ってリアルタイムの物体検出と計数を行うこと、とりわけ車両や歩行者の検出および計数能力を示すことです。各デバイスにインテリジェンスをローカルに実装できるため、組み込みAIがどのように運用効率を高め、クラウドへの依存度を減らし、路上の安全性を向上させるのかを実証できます。

アプローチ

エッジAIセンシング・キットの導入当初の目的は、組み込みビジョン・インテリジェンスの能力を示すことで、その際に、スマート輸送の説得力のある例として車両と人の検出機能を利用しました。初期のデモでは、都市環境での人、車、トラック、バス、自転車のリアルタイムでの検出に重点を置いていましたが、基礎となるエッジAIビジョン・テクノロジーは汎用性に優れています。その能力は、輸送の分野をはるかに超えて、スマート・ホーム、スマート・シティ、在室監視、さらには幅広い状況認識オートメーション・システムにも応用できます。

コンピュータ・ビジョンに基づく従来の検出システムの多くは、画像データの処理と分析にクラウド・コンピューティングを使用してきました。これらのソリューションは効果的であるものの、常時接続が必要であることから高データ帯域化やインフラ整備に伴うコストが生じたり、応答の遅延が発生したりします。集中型の手法であることから拡張性や応答性が制限される場合もあります。
スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理
組み込みAIは、こうした枠組みを根底から変革します。インテリジェンスがデバイス上に直接実装されるのです。エッジでのリアルタイム処理は、外部インフラへの依存度を下げ、運用コストを削減するとともにスピードと効率を向上します。さらに、この分散型の手法は拡張性やセキュリティに優れるだけでなく導入への敷居が低く、幅広い業種でコンピュータ・ビジョンに基づくアプリケーションを現実味のあるものとします。
  • エッジAIセンシング・プラットフォーム・ディスカバリ・キットでは、リアルタイムの物体検出と計数モデルのすべてをSTM32N6マイコン上で実行します。主なメリット:
  • 在庫をリアルタイムで即座に可視化する、低遅延性能(Typ. 200ms未満)
  • クラウド・サーバに依存しない完全なエッジ処理
  • さまざまな照明や配置状態で複数の製品の種類を検出できるように学習したAIモデルによる正確性の向上
  • 消費エネルギーの制約に抵触せずに連続監視を可能とする超低消費電力
  • クラウド・サーバ、定期的なデータのコスト、タグ付けインフラの追加などを必要としない低運用コスト
このソリューションは、さまざまな環境においてSTM32N6マイコン上の組み込みAIを活用することで、インテリジェントで拡張性に富み、コスト効果に優れたスマート・カメラを実現する方法を提供します。

アプリケーションの概要

5メガピクセルのカメラが高解像度の画像を取得し、それをイメージ・シグナル・プロセッサ(ISP)サブシステムが処理します。縮小された 256×256 フレームはニューラル処理ユニット (Neural-ART Accelerator) に送信され、都市環境における人、車、トラック、バス、自転車をリアルタイムで検出します。256 x 256にリサイズされた画像が、NPUNeural-ARTアクセラレータ)に送られ、都市環境における人、車、トラック、バス、自転車をリアルタイムで検出します。バウンディング・ボックスの後処理により、果物を種類ごとに数え、果物に対する処置を検出します。イベントはイベント・コントローラによって管理され、タイムスタンプを付けて記録されます。これと並行して、ISPによって960 x 960の画像が生成され、これがH.264エンコーダによってビデオ・エンコーディングされたうえでUSBまたはWi-Fiを介してストリーム送信されます。リモート監視のためのテレメトリは、IoTコントローラが処理します。

スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理

センサ

この実物大模型に使われているセンサは、Sony IMX335 5MP RGBです。

  • 入力:2592 x 1944
  • IPSサイズ変換:960 x 960
  • フレーム・レート:15FPS

アプリケーション固有の要件を満たせるように、E2IP社は各種センサを搭載したその他の拡張ボードを提供できます。

スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理 スマート・ストア・アプリケーションの原理

e2ip社およびSiana Systems社は、迅速な試作開発により、本格的な生産と展開の前に、ソリューションのすばやい実地試験を可能にします。STM32N6および幅広いST開発エコシステム(Model ZooからSTM32Cube.AIまで)とのシームレスな統合を通じてカスタムのモデル展開を行うことで、エッジAIセンシング・キットは、エッジAIアプリケーションの開発プロセス全体を合理化します。

データセットとモデル

データセット:

  • Coco80

モデル:

  • YOLOv8-nano
  • 入力サイズ:256 x 256 x 3
  • 学習可能パラメータ:3,031,321
  • MACC:6.73E+08

結果

推論時間:41ms
1秒あたりの推論回数:24

執筆:E2IP Technologies & Siana Systems | 最終更新:2025年6月

最適化ツール

STM32Cube.AI

STM32Cube.AI

最適製品

STM32N6シリーズ

最適製品

リソース

STM32Cube.AIで最適化

STM32Cubeの無料の拡張パッケージX-CUBE-AIを使用すると、ニューラル・ネットワークや機械学習モデルなどの学習済みAIアルゴリズムを、STM32用の最適化されたCコードに自動変換できます。

STM32Cube.AIで最適化 STM32Cube.AIで最適化 STM32Cube.AIで最適化

STM32N6シリーズに最適

Arm® Cortex®‑Mプロセッサをベースとする32bit汎用マイクロコントローラのSTM32ファミリは、より柔軟かつ自由なアプリケーション開発を実現します。高性能、リアルタイムの処理能力、デジタル信号処理(DSP)、低消費電力 / 低電圧動作、コネクティビティなどのさまざまな機能を集積した製品により、開発をサポートします。

STM32N6シリーズに最適 STM32N6シリーズに最適 STM32N6シリーズに最適
おすすめ情報

産業機器 | スマート・シティ | 画像 | STM32Cube.AI | STM32 AI MCU | パートナー | ビデオ | スマート・ホーム

id3社の顔識別アルゴリズムと生体検出を用いたセキュアな入退室システム

RGBカメラとToF測距センサによるエッジ処理は、STM32N6マイクロコントローラによるアクセス制御の迅速かつセキュアななりすまし防止を実現します。

パートナー | スマート・シティ | 輸送 物流 | 画像 | STM32Cube.AI | STM32 AI MCU | ビデオ

Irida LabsのビジョンAIに基づくナンバープレート識別(ANPR)

スマート・シティ・アプリケーション向けに自動ナンバープレート識別(ANPR)を実現する、STM32マイコン上のビジョンAIで動作するソリューション

STM32 MCU | NanoEdge AI Studio | 産業機器 | 加速度センサ | 予知保全 | パートナー

組み込みAIで重工業設備の予知保全を実現する方法

遅延やネットワーク依存性のない、ローカル振動分析および分類機能を使用した鍛造プレスの予知保全。