【AI×農業】AIで農業の持続可能性を支援する【産学連携】
Summary
TLDR株式会社ラプラスは、AI技術を活用して農業の効率化とデジタル化を目指す企業です。農作物の収穫量予測や出荷梱包ラインの自動化を通じて、人々の目や脳をサポートし、農業の持続可能性を高める取り組みを紹介しています。独自の物体検出エンジン「ラプラスAI」を開発し、農業現場の課題を解決し、人手不足や高齢化を背景に生産性向上を目指しています。また、AIを活用した農業の未来について、新たな人材の育成と技術の進化が求められています。
Takeaways
- 📦 出荷梱包ラインの自動化: スクリプトでは、人々の目でNG品をピックアップする作業を自動化しようとしている課題について説明しています。
- 👷 労働力不足の解決: 日本の農業における高齢化や人口減少を背景に、AIを活用して労働力不足の問題を解決しようとしています。
- 🌟 ラプラスアイの紹介: 物体検出エンジン「ラプラスアイ」が、AIを用いて農作物の色や形を検出し、数え、時間を測ることができる機能について紹介されています。
- 🛠️ デジタル技術の活用: 農業現場でデジタル技術がどのように活用され、熟練者の知恵を次の世代に伝える方法についての議論がされています。
- 🚀 ラプラスのビジョン: 会社ラプラスは、誰も職に困らない世界を作るためのビジョンを持っており、AIを活用して農業の持続可能性を支援しています。
- 💡 AIの目視判断の自動化: ラプラスアイは、人間の目視判断を自動化し、不良品の検出や収穫量の予測など、多様な農業関連のタスクを支援しています。
- 🔍 高精度の物体検出: ラプラスアイのアルゴリズムは、高い精度で物体を検出し、業界標準を上回るパフォーマンスを発揮することが示されています。
- 📈 収穫量予測の重要性: 収穫量の正確な予測が、出荷計画や人員配置に影響を与えるため、その重要性が強調されています。
- 🛒 コンベア速度の調整: NG品の多さを検出して、コンベアの速度を自動調整することで、人員を削減し効率を高める方法が提案されています。
- 🔧 導入のボトルネックの解消: ラプラスは、AI導入のプロセスを簡素化し、データセット作成やモデル評価をクラウドで行うことで、導入の障壁を低減しています。
- 👥 求める人材像: ラプラスは、課題に直面した際にアクションを起こすことができる人、物作りを楽しむ人、そしてお客様に笑顔を届けたいというモチベーションを持つ人を求めています。
Q & A
ラプラスアイの主な特徴は何ですか？
-ラプラスアイはAIを用いて物体を検出し、数え、時間を測ることができます。人の目と脳を模倣して、物事を自動化し、効率化を図るエンジンです。
ラプラスアイはどのようにして農業の持続可能性を支援する予定ですか？
-ラプラスアイはAIを活用して農作物の色や形を高精度で見分け、人間の目視判断を自動化することで、農業の効率を高め、知識の俗人化を防ぎます。
ラプラスアイのアルゴリズムはどのような精度を出せるとされていますか？
-ラプラスアイのアルゴリズムは、比較的少ないエポックで既存手法を上回る精度を出すことができるとされています。具体的な数値として、75エポック程度で既存手法を上回る精度が実現されることが期待されています。
ラプラスアイの導入によりどのような課題が解決されることになりますか？
-ラプラスアイは、出荷梱包ラインでの不良品の検出や、農作物の収穫量予測など、人間の目視判断を自動化することで、労働者の不足や熟練者の知識継承の課題を解決するのに役立ちます。
ラプラスアイはどのようなインターフェイスを備えていますか？
-ラプラスアイはIPカメラやウェブカメラ、専用の研究用カメラなど、目に見えるものは何でも繋げることができるインターフェイスを備えています。また、ロボットアームやPLCなどにも連携できるようになっています。
ラプラスアイの導入に必要なボトルネックとは何ですか？
-ラプラスアイの導入に必要なボトルネックは、データの管理やラベリング、データセットの作成、学習パラメータの決定、モデルの評価など、AIが実際に稼働し始めるまでに必要な準備工程です。
ラプラスアイの価格はどの程度ですか？
-ラプラスアイは、通常の物体検出プロジェクトに比べて価格を抑えています。具体的な価格は明示されていませんが、パッケージ化された機能の塊として提供され、汎用性を保ちながら価格の圧縮に成功しているとされています。
ラプラスアイはどのようにしてAIの導入を簡素化しようとしていますか？
-ラプラスアイは、データセット作成からチューニング、モデル評価までクラウド上で全て行えるようにし、AI専門のエンジニアが必要な工程を簡素化することで、導入を容易にしようとしています。
ラプラスアイはどのような人材を求めていますか？
-ラプラスアイは課題に直面した時にすぐに行動できるアプローチを持った人、未知な課題に対しても積極的に取り組めるモチベーションを持つ人を求めています。また、物作りに対する情熱や、お客様への価値提供への関心がある人も希望されます。
ラプラスアイの今後の展開や展望はどのようなものですか？
-ラプラスアイは、農業だけでなく、デジタル技術を活用して様々な課題を解決できるよう、DXの文脈で技術を広げていきたいとしています。また、ロボットと連動した自動化の分野にも取り組んでいく予定です。
Outlines
🤖 AIによる農業のデジタル化
この段落では、AI技術が農業における出荷梱包ラインの自動化にどのように貢献しているかが説明されています。ラプラスアイという物体検出エンジンを活用して、人々の目で行っていたNG品のピックアップ作業を自動化し、効率化を図る取り組みが紹介されています。また、農業における高齢化や後継者不足という課題にも触れられ、AIがそれらを解決する手段として期待されていることがわかります。
🛠 ラプラスアイの機能と特徴
ラプラスアイの機能と特徴について説明されています。この物体検出エンジンは、AIを用いて物体を識別、数え、時間測りができる高度な機能を持ち、産業や農業の現場での実用化が進んでいます。特に、ラプラスアイは価格面でもリーズナブルであり、一般的な物体検出プロジェクトに比べてコストパフォーマンスが優れていることが強調されています。
📈 ラプラスアイの精度と効果
ラプラスアイの精度と効果について詳述されています。独自のアルゴリズムを用いて、物体検出の精度を高め、既存手法を上回る性能を発揮していることがわかります。実際の比較結果も示されており、ラプラスアイの手法が他社と比べて高い正確度を持つことが確認できます。
🚀 ラプラスアイの応用事例と課題解決
ラプラスアイが具体的な課題解決にどのように役立つかが紹介されています。例えば、収穫量の予測や出荷梱包ラインの効率化など、様々な場面での実用例が示されています。また、AIを活用することで、人々の目視判断を自動化し、知識の俗人化を防いだり、生産効率を高める効果が期待されています。
👨💻 ラプラスが求める人材像
ラプラスが求める人材像について説明されています。課題に直面した際に、すぐに行動を起こすことができ、未知な問題に対しても積極的に取り組めるアプローチを持ち合わせている人材が求められています。また、物作りに対する情熱や、顧客満足を目指す姿勢が重要視されています。
🌐 ラプラスの未来展望
ラプラスの未来の展望について語られています。AIを活用して農業の持続可能性を支援し、人々の生産性向上に貢献することを目指しています。さらに、デジタル技術の知識が求められる現代において、様々な企業で活躍できる人材を育成し、社会に還元することを目指していることが示されています。
Mindmap
Keywords
💡ラプラスAI
💡デジタル技術
💡物体検出
💡収穫量予測
💡アノテーション
💡コンベア
💡目視判断
💡デジタル化
💡ロボットアーム
💡AIの専門家
💡DX
Highlights
ラプラスAIが農業現場の課題を解決し、デジタル技術を活用して農業の持続可能性を支援している。
目視判断を自動化することで、出荷梱包ラインでの不良品の検出を効率化している。
ラプラスAIは物体検出エンジンを使用し、農作物の色や形を高精度で識別することができる。
AIを用いた目視判断の自動化は、農業における人手不足問題に対処する一つの方法である。
ラプラスAIは、収穫量予測や品質管理など、農業の様々な場面で応用が可能である。
AI技術を用いて、農業現場の生産性向上と知識の継承を目指している。
ラプラスAIは、カメラとクラウドを組み合わせたシステムで、農作物の監視と分析を行う。
ラプラスAIのアルゴリズムは、業界標準を上回る精度を発揮することが証明されている。
ラプラスAIは、農家が自らの課題を解決するためのツールとして利用が可能である。
ラプラスAIは、収穫時期の予測や出荷量の管理など、農業の計画性向上に貢献している。
ラプラスAIは、農業現場でのデジタル技術の導入を容易にし、コストを抑えている。
ラプラスAIは、農業におけるロボットアームやPLCと連携し、自動化を促進している。
ラプラスAIは、データセットの作成からモデルの評価までクラウド上で行える機能を備えている。
ラプラスAIは、農業現場の課題に対する柔軟な対応が可能で、様々な作物に対応している。
ラプラスAIは、農業のデジタル化を促進し、新しい人材の育成にも寄与している。
ラプラスAIは、農業現場でのAI技術の適用を通じて、生産効率の向上を目指している。
Transcripts
00:16[音楽]
00:26[音楽]
00:35[音楽]
00:44[音楽]
00:46はいえ導入前のですね現場の課題感として
00:50はですね例えばえ出荷梱包ラインのですね
00:54え商人化をやりたいというようなえご相談
00:58をいただくことがありますで具体的には
01:00ですねあのま要は物をですねこう流してる
01:05例えばまミニトマトとかあるいは工業製品
01:09とかをですねえこう流してるラインがあっ
01:11てでその中をですね不良品っていうのが
01:15あの出荷されないようにですね人が目で見
01:19てこう全部こうNG品っていうのをですね
01:22こうピックアップしていってこうのけてい
01:24くっていうような作業がありますでこれを
01:28ですねえ今現時点ではまあの5人であっ
01:32たりとかま多いところで言うと10人で
01:35あってたりされるっていうようなことが
01:37あってそれをえなんとか商人化してえその
01:41他のLINEにですね人にしかできない
01:44LINEに移っていただきたいていうよう
01:46なあの課題感っていうのがあり
01:51[音楽]
01:53ますそれでは農業の現場でどのように
01:56デジタルが活用されているのか詳しくして
02:00み
02:02ましょうこの動画は1農業現場の課題2
02:07物体検出サービスラプラスアイの解説3
02:11求める人材と今後の展開についての3つの
02:15ステップで構成されてい
02:23ます私たちの生活に欠かせない
02:27農作物ですがそれらを育てる人口は高齢で
02:31リタイアする農家も多く新規収納者を
02:33上回ることから年々減少していますしかし
02:38農業には人の手が必要な場面も多くそこを
02:41どのように商人化するのかが課題になって
02:43いますまた熟練者の知恵をどのようにして
02:47次の世代に残していくかの課題もありまし
02:50たその課題をAIやデジタル技術で解決し
02:54ているのが今回紹介する株式会社ラプラス
02:58ですラプラスは佐保光線を卒業した同級生
03:01で立ち上げた会社で物づくりが大好きな
03:04メンバーが集まっています誰も職に困ら
03:08ない世界を作るビジョンにAIで農業の
03:11持続可能性を支援していますでは実際に
03:14どのようにAIを活用しているのか
03:17株式会社ラプラスの原崎市に解説いただき
03:26ましょうえラプラスIについてえ説明させ
03:30ていただきますえラプラスIはですねえ
03:33物体を検出するためのエンジンですねま
03:36AIを用いておりますで特徴としてはです
03:40ね物をえ見分けてえ数えてで時間を測っ
03:45たりできるまこういうあの人の目を目と脳
03:48を使ってえっとやることをですねえ実現
03:52するためのえエンジンになっておりますで
03:57右の右上の図のようにですねま例えばイゴ
04:01のですね収穫可能なものえ収穫待ちのもの
04:04まこういうものをま色味であったり特徴を
04:07捉えてえ数えて見分けて数えるですねえ
04:11これによって収穫のえ予測ですね収穫量
04:15予測みたいなことをですねえ実現できたり
04:18もしますなぜこれをですねえ作っていくえ
04:22に至ったかって言うとですねやっぱり皆
04:24さんご存知の通りですねえ圧倒的にですね
04:27今後労働者がですね不足していくくわけな
04:30んですねでその中でえ皆さん経営される
04:34方々とかですねま人がいないってなるとま
04:37時間と余裕どちらもないっていうですねえ
04:40こういう状況になっちゃうもはやなってる
04:42わけですねでそんな中でですねどういう
04:46課題をですねえ解決していけばえこういっ
04:49た問題ってのはですねえ解消していくの
04:52かっていうことを考えてみてえそれは答え
04:56と答えの1つとしてはですねえ目視判断
04:59ですねえ目視判断っっていうのがですね実
05:02は皆さんも生活していく中とかですね工場
05:06ではえ目を使って頭で何か判断するって
05:11いう時間ってのがとてつもなく大きな
05:13ウェイトを占めているわけなんですねで
05:16そんな時にですね目で見て何か判断するっ
05:19ていうのをえ機会にえやってもらえれば
05:23かなりその全体の関節行数っていうのは
05:26減るのではないかという風に考えてこの
05:28ラプラスアイを作るに至りましたで例えば
05:32ですねこういったあの果実とかえ野菜とか
05:36をですねコンベアの上を流れているところ
05:38ではですねま人がこうやって並んでえ
05:41たくさんえ見てるわけなんですねでえその
05:45見ていてえ結局この傷がついてるとかえー
05:50下が取れてるとかですねそういったものを
05:53人がピッピッとこう弾いていってるわけな
05:55んですね人が5人かけてこのLINEを見
05:58てるっていうのはですね不良品を出荷し
06:00ないで済むようにえ5人で見てたりするん
06:03ですねなのでえこういうえところてのは
06:07ですねあの改善するポイントとしてはです
06:09ね非常に魅力的です具体的なプロダクトと
06:13サービスとしてはですねこういうHPCと
06:16えカメラですねプラスえクラウドのま3点
06:20セットでえ提供していきたいという風に
06:23思っていてじゃあ一般的なこういうあの
06:26物体検出系の話と何が違うのっていうと
06:29ですねえまず価格はだいぶ抑えていますと
06:33通常ですねあのこういう物体検出を行って
06:38ま目で見て何かをやるみたいな
06:40プロジェクトはですねま一般的にすごく
06:43えっと0から作っていこうとするとま
06:45だいぶお金かかりますでえ時間もかかり
06:48ますでそれをですねこういうですねえ
06:51パッケージとしてえ1つのこう機能の塊り
06:55としてあらかじめ用意しておくことによっ
06:57てえかつ汎用性も保ちながらですねえこう
07:01いうあの提供価格の圧縮っていうのにえ
07:04成功しましたそしてえすぐに試せ
07:07るっていうところですねま0から作るわけ
07:09じゃないんでえま早いもので言うともうえ
07:1412週間あればもうすぐに試せるという
07:16ような状況ですそして実運用にえ十分な
07:21制度がえ出ていますもちろん用途にもより
07:24ますしどんなデータをえどんな風に学習さ
07:28せていくかっていうことにもよるんです
07:30けれどもえ掃除てですねえラプIに使われ
07:35ているアルゴリズムはですね高い精度が
07:37出せるということがえ分かっています
07:40そしてえこのプロダクトえラプラスIです
07:43ねえ豊富なインターフェイスがございます
07:45例えばえ入力する場合はこういうIP
07:48カメラとかえこういうウブカメラですねえ
07:53あるいは専用のえま研究用のカメラとか
07:57ですねま目に当たるものであればま荒方何
08:00でも繋がるというようなインターフェイス
08:02を持っていてでかつですねえこのえラプラ
08:06サイえからえ先ですねま要は目で見て何か
08:11を判断した例えばNG品が多いとかえ
08:15オッケ品が多いとかですねまそういう数え
08:18て見分けてえ判断した上でじゃあ次出力し
08:23たいわけですね出力する時はえロボット
08:25アームに連携するとかPLCに連携すると
08:29かえあるいは何かえ作業用の設備に連携
08:33するとかですねま要は何かが見て分かって
08:36その後何したいかっていうのは様々だと
08:38思うんでえそういったインターフェイスを
08:40揃えておりますまたですね導入のボトル
08:44ネックっていうのをえっと解消する
08:46取り組みをえ弊社としては進めていてです
08:49ねえどういうことかって言うとですねま
08:51機械学習を用いたプロジェクトのあるある
08:56なんですけど結局ま要はAIが動き実際に
09:00稼働し始めるまでにやることってのが結構
09:03たくさんありますで例えばデータを集め
09:06ますでデータを集めてえデータを管理し
09:10ます管理しているデータに対してえ
09:14ラベリングですねあのアノテーションとか
09:16えラベリングま要はこのデータがえこう
09:20いうデータだよっていうのをAIに教える
09:22ためのえ前準備ですねえでデータセットを
09:26作成しますでえ学習のパラメータを決め
09:30ますえまエポックとかバッチサイズとかま
09:33いろんなパラメーターがありますけどま
09:35こういう条件で試しに学習させてみよう
09:38かっていうことを決めなきゃいけないわけ
09:40ですねでそれをえやりますとでそれで実際
09:43に学習させて
09:45え学習が終わってじゃあモデルがどれ
09:48ぐらい使い物になりそうかっていうのを
09:50評価して初めてま現場に導入ということが
09:54できるようになるわけですねでこのえま
09:57いくつかやんなきゃいけないことがあって
10:00でそれをですねえ導入する際のボトルネッ
10:04クっていう風に我々はえ見ていてでそれら
10:08をですねもしAIに特化したエンジニアが
10:12え全部やってるとですねとてもじゃない
10:15けどたくさんの現場に導入していくって
10:17いうのがですねなかなかやっぱり難しい
10:20わけなんですねいやいやそうじゃなくて
10:23その課題を持たれているお客様自身がです
10:26ねえそういうあのデータの管理とかえ
10:30データセットの作成とかをですねあの
10:33できるようになったらお客さん自らがえ
10:38現場の課題を見つけてえラプラスがあれば
10:41それを解決できるっていうあの道具として
10:44ですね使いやすくなるえしかつお客様が
10:47導入される時のえっとコストってのもです
10:51ねえっとAI専門のエンジニアが動かなく
10:54ても済むんで結局下がるわけですでさらに
10:57えっと維持とかしていくためのコストって
11:00のもえ抑えられるわけですねそしてえ我々
11:04からするとですよえそういうえ導入に至る
11:08までの全ての工程っていうのをですねあの
11:11我々以外のあのお客様側でえ実施
11:15いただけることによってよりたくさんの
11:17課題をえ解決するためにラプラサを提供
11:20できるようになるとまそういった相場効果
11:22が見込まれるのでえこの同流のボトル
11:25ネックをえ解消しデータセット作成範囲
11:29チューニングモデル評価ってのをクラウド
11:31で全てえできるようにえ今進めていますで
11:35え最後はですねえ現場に置いてあるまこう
11:38いうHPCですねHPCの中にえっと
11:41ラプラスIのえ新しいモデルってのを遠隔
11:44でこう入れていくような気候もですねえ
11:47備えています
11:49はいはいでえ1番の特徴としてはですね
11:53えっと独自にアルゴリズムをえ全て作って
11:56いるということをえ
11:59我々やっていてですねえ圧倒的に制度が
12:03高いということがえ1つ上げられますで
12:06もちろんあのいろんなですねあの他社さん
12:09とかもやってるあのアルゴリズムもあのと
12:12こういう用途に対してはすごくえっと制度
12:16が出せてえ業界ではものすごく有用だって
12:19いうものもちろんあるという前提でですね
12:22弊社がえっと比較対象としてるものはです
12:26ねま例えば物体検出として有名なヨですね
12:30いろんなバージョンがありますえっとV8
12:33ぐらいまで今出てると思うんですけどそれ
12:35とですねえっと実際に比較を行っており
12:37ますでもちろん前提としてですね同じえ
12:41データセット数ですねで同じえエポック数
12:44ですねまエポクっていうのは何回学習回す
12:47かっていうようなイメージなんですけど
12:49あのそれをですねえっと比較を行っており
12:52ますで緑がえ既存の手法ですねでえピンク
12:56がえラプラスでえ作ったえ手法ですねでえ
13:02これを比較して横軸がエポックスですねで
13:05縦軸がえっとAPですねま正しく検出でき
13:09ているかみたいな値ですねえ平たく言うと
13:13でそれをえ比較するとですね大体え75
13:17エポックぐらいでえっとま広く世の中で
13:20使われている既存手法っていうのをですね
13:22あの上回ってくるぐらいのですねえ精度
13:26っっていうのは出せているかなとで学習
13:28終了時点でですねえ大体えまバイトまで
13:32はかないですけど1.5倍ぐらいのえっと
13:34APが出てるかなというような状況ですで
13:38まグラフ見てもあんまわかんないので実際
13:40に目で見てみましょうねということでえお
13:43見せしますでこれがですね何やってる
13:47かって言うとえっとノり見つけてますま
13:50あの非常にあの目で見てもどこにあるかが
13:54よく分からないレベルの話だと思うんです
13:56けれどもえまず右側ではですね既存手法を
14:00使っています左側で独自の手法を使ってい
14:03ますでえ右側のえ薄緑の方ですねえこちら
14:08でえ見つけることができているのりのえ
14:13個数っていうのがですねえ上と下の画像を
14:16合わせて4点見つけられてると思いますで
14:20これもちろんあの同じデータセットですね
14:23大体えっと340枚ぐらいの画像から
14:26えっと150点ぐらいのですねあの
14:29アノテーションを行ってえ同じそのデータ
14:34をえそれぞれ既存手法と独自手法のですね
14:38両方こうあの学習させたというような状況
14:42で条件は全く同じですねでじゃあ独自手法
14:45の方どうかって言うとですねまあの見て
14:48分かる通りあの正しくかつ見落としがなく
14:53ですねつまりAPがえ高いていうえことが
14:57えまぱっと見分かるあると思いますでよく
15:01見ないと分かりにくい人の目で見ても
15:03なかなか見つけ出せないようなものもです
15:05ねえ独自手法であればえきちんと見つける
15:09ことができているのでまあのえっと制度と
15:13いう意味ではえっと非常に自信があります
15:16はいで具体例としてはですねま今これ
15:19取り組み途中のものやえっと実際に実現し
15:23たものが様々あるんですけれども例えば
15:26えっと収穫量の予測ですね
15:29あのいつえどれぐらいの量が取れてえこれ
15:34ぐらい出荷できるっていうのをですねえ
15:37うまく予想するのってなかなか難しいわけ
15:40なんですねでそれを100%に近い精度で
15:43本当に当てるってのはもうほぼ不可能に
15:46近いんですけどそれでも大体これぐらいの
15:49量が取れそうだっていうざっくりですね
15:52予測ができるだけでもですね出荷する際の
15:56え人材配置ですとかえ例えば市場に下ろす
16:00際にこれぐらいの量多分出ると思いますっ
16:02ていうことが言えることによってえ関係者
16:05のですねえ人材の配置ですとかその構え
16:09っていうのがだいぶ変わってくるわけなん
16:11ですねでそれがなかなかうまくできない
16:13もんでま皆さん困ってるという状況ですで
16:17それをえなんとかこう解決していきたいと
16:21思ってえまだ実現はしてないんですけど
16:24あの取り組みとしてやや進めていってるの
16:27はこの収穫料のの予測ですねでこれには
16:30ラプラスアイ使ていてえ見分けて数え
16:34るっていうところをですねえラプラスアイ
16:36がになっていますでこの毎日毎日えこう
16:41いう農業の補助のですねあの映像っていう
16:44のをですねて自動で取っていって収穫可能
16:47なものが今日何個収穫待ちのものが今日何
16:50個っていうことをですねずっとこう取って
16:52いくんですねで当然あの収穫したりする
16:56わけですから収穫化っていうものはえっと
16:59その日その日でずっと変動していきます
17:01ただえっと収穫待ちのものが収穫下になっ
17:04て収穫下のものがまた次えっと収穫されて
17:08減っていくていうこのえっとサイクルを
17:10ですねえ延々取っていきますで例えば修学
17:14町は街でまあとどれぐらいの日数で収穫
17:16できそうなのかていうところまでえ今
17:19分かってきていますとでそれをやるとです
17:21ねじゃあ10日後にはこれぐらい取れそう
17:23だえ5日後にはこれぐらい取れそうだ3日
17:26後にはこれぐらい取れそうだというですね
17:28予測が立ち始めるんですねでそれをえやっ
17:31ており
17:33ますでこちらがですねあの1番分かり
17:37やすい例かもしれませんこれがあの出荷
17:39梱包ラインの商人化ですねえ左上の図に
17:43あるようにですねあのま要は人がですね
17:46生産あの出荷梱包ラインに貼り付いてです
17:49ね5人とかでま結局こう物を見ながら不良
17:53品が抜けないかっていうことをやってる
17:55わけなんですねでこれをやはり皆さん
17:58化したいという課題をお持ちなんですねで
18:015名から3名にするためにはどうしたら
18:03いいっていうあのご相談が実際に発生して
18:06いますでこの中でですねじゃあどうし
18:09ましょうかとあのま要は完全にあの人が人
18:15が不要なラインにするのはま次のステップ
18:19ですねとじゃまず何ができそうかっていう
18:21ところでえ話して話し合った結果として
18:24ですねまあの5人かかってるのを3人に
18:26するためには結局コンベアですねこの物を
18:30運んでいるコンベアのえ速度を調整して
18:34あげれるようにすればいいじゃんという
18:36えっと話になりましたで例えばNG品がえ
18:41少ない時はですね通常のこれまで通りの
18:44速度でこう流しますとでNG品が多い時
18:48だけえっと運転速度を下げようということ
18:51にえなってますまつまり運転速度がえNG
18:56品が多い時だけゆっくり流れればですね今
18:59まで5人以内とえNG品が抜けてたえ工程
19:03でも3人いればNG品見なきゃいけない
19:06ものが多い時だけゆっくり流してあげれば
19:09ですねそれまでのスループットってのを
19:11維持しつつ不良かつ不良品が3人でも抜け
19:14ないっていうえことが実現できるように
19:17なりそうだという状況なわけなんです
19:21ねラプラスではAIが物を見分ける物体出
19:26に独自の手法を用いて農作物の色や形を
19:29高い精度で見分けることができるようにし
19:32ましたそれにより人が行っていた目視判断
19:36の部分をAIが変わりにすることで商人化
19:39を実現したり知識の俗人化を防ぐ効果も
19:42ありましたまたAIの専門家でなくても
19:46ラプラスアイがあれば農家が自ら課題が
19:49解決できるような仕組みも作っています
19:52解説にあったアノテーションを見てみ
19:55ましょうえアノテーションと一口に言って
19:58もですねまあのそもそもま目的ですね何を
20:02やりたいのていうところでま全然あの定書
20:05の仕方ってのは変わってくるんですねま
20:07ただま皆さんがよくあの想像するのはま
20:10例えばえミニトマトっていうのをま
20:13見つけようというようなえ問題あの解決す
20:17べき課題解いていくべき課題ってのがあっ
20:19た時にですねまあのこうやってミニット
20:22マットの画像にまこうやってあのペチペチ
20:25とこうやってあのアノテーションしていく
20:28わけですね
20:30はいこんな感じでしょうかねはいまこんな
20:34感じですねでこれでえっとミニトマト
20:37みたいな感じあるいは下手を見つけたいの
20:40であればえこういう風にま下の部分だけえ
20:45囲っていくみたいなこともあるかもしれ
20:47ませんこんな感じですねよいしょよいしょ
20:52よいしょよいしょまこんな感じですねで
20:54これ下という風にするみたいなまこういう
20:57のをですねえアノテーションという風に
21:00言いますで今あのやってる作業っていうの
21:03はですねまが大きくその分けるとまあのま
21:07画像分類っていうパターンとあとは物体を
21:10検出する物体検出っていうものがあります
21:13でそのうちま物体検出でえこういった作業
21:16が必要になりますねで画像分類だとま
21:20シンプルにまこの画像がミニトマトなのか
21:23えまた別なのかですていう分け方になるん
21:27ですけどこの画像の中でじゃミニット
21:30マートはどこにあるのかっていうところ
21:33までをえ推論するのが物体件数ですねでえ
21:38今みたいにですねこうやってあのポチポチ
21:41ポチポチポチと囲んでいったんですけれど
21:43もま目的によってはですねまいろんな
21:46パターンがありますここに下手ミニトマト
21:49傷みたいな感じでえっとラベルってのを
21:52用意してるんですけですけどまこれがです
21:55よ例えばえっと収穫時期のえ予測っていう
22:00のをやりたいとなってくるとですねまた話
22:02は別になってくるんですねでこれはミニ
22:05トマトを見つけても正直言ってあんまり
22:07収穫時期のですね予測には役立たないわけ
22:10でじゃそういう時どうするかっていうと
22:12ですねえもしあなたがえ色味をもにえ収穫
22:17時期のえ予想をしたいというテーマを与え
22:21られたのだとするとまこういうパターンも
22:24ありますということをお示します例えば
22:27ですねええっと色味によってえ実際に収穫
22:31までの日数っていうのがですねまある程度
22:34予想できるという風に言われていますで
22:37色味を元にえ予想していくってなるとま
22:41カメラに映ったですねまミニトマトをの色
22:45を元にじゃあ何日後に取れるのかっていう
22:48ところをですねえカメラで見つけてじゃあ
22:51あとこれ3日後だな1週間後だなってのを
22:53見ていけばいいわけですねそうなった時に
22:56はまラベルの付け方にもよりますけど
23:00まあと3デズですねであとえ7
23:05デイズとかあとはえ10
23:09デイズとかえあとはえ
23:14成熟収穫可能みたいなえラベルを作っても
23:19いいわけですねはいで具体的にどう何を
23:22言ってるのかって言とですねえっとはい
23:25例えばこういうあの青をしたものですねま
23:28これを実際にアノテーションしていきえ
23:32アノテーション
23:33こうですねこれをしていってじゃあこれは
23:37ですねまだまだ先だなということでま実際
23:40これぐらいの色みだったらですね修学まで
23:4210日ぐらいかかるんですけどまこれは
23:4410日10デイズっていう風にしとくん
23:47ですねでじゃあこっちはどうかえこちらは
23:49ですねもう赤がもうほぼほぼえ支配的な
23:53色味になってるのでまこういう時はですね
23:56こんな感じでえ
23:59えっと収穫可能っていうラベルをつけます
24:02するとですねえこれ学習した時どうなる
24:05かって言うとえっとこういうものを
24:07映し出した時にえっと収穫可能っていうえ
24:12まえトマトが1つあるよっていうことが
24:16分かるわけですねで一方でこういうものを
24:19見た時にえ10日先のえものが映ってるよ
24:24ということが分かるわけですねじゃあ一方
24:27でえどうしようかなまこれぐらいしとき
24:29ましょうかちょっとこうまだ赤とは言え
24:32ないオレンジかかったようなものですね
24:35はいまこういうのがあった時にじゃああと
24:383日だねというラベルのけ方をするとまこ
24:42これがすぐにでも取れるものま今日取れる
24:45ものっていうのがまず分かりますねで一方
24:48でえこういうものをみ見ておくとじゃあ
24:53あと3日後に取れるものっていうのがえ
24:55この画格の中からこう分かってくるという
24:58わけですねじゃこれ何が嬉しいかって言う
25:01とま収穫の予測ができるというわけですね
25:04例えばこれを全部え全部のアノテーション
25:07行い学習させてじゃこういう似たようなえ
25:11画像ってのをねあのAIに見せた時どう
25:14なるかって言うとじゃあ例えば
25:17123とかですねえあと3日のものが3つ
25:21映ってるとでえ例えば
25:26123456789ですねえあとえ10日
25:30収穫までに10日かかるものがえっと9個
25:34映ってるとですぐにでも収穫できるものが
26:00このようなアノテーションを農家らが行う
26:02ことで発見した課題にすぐに対処ができ
26:05たり収穫量の予測によって適切な人員配置
26:09ができ結果としてコスト削減へつなぐよう
26:12な開発が進んでい
26:16ます最後に株式会社ラプラスが求める人材
26:20と今後の展開についてお伺いし
26:24ます求める人材像としてはですねやっぱり
26:27こう
26:29何でしょうねそのまうーんってずっとこう
26:31考え
26:32続けるのではなくてですねこう何かしら
26:35こう課題が目の前に出てきた時に
26:37とりあえずやってみようというえ
26:40アクションができる方っていうのが非常に
26:44弊社には合ってるんじゃないかなと思い
26:46ますでえていうのもですねやっぱりこう
26:50何かこう分からない壁なり課題に当たった
26:53時ってどうしてもやっぱりみんな考え
26:55るっていうことが先行してしまって
26:57なかなかこう手を動かせなくてどうしても
26:59時間ばかりが過ぎていくっていうのって
27:01やっぱ多いと思うんですよねでもこういう
27:03AIの分野っていうのはえこうなったって
27:07いう結果からあ実はこうなってるんじゃな
27:10いっていう思考プロセスが非常に重要なん
27:12ですねまそれがやっぱりやってみて初めて
27:15分かるやっぱこういうあの機械学習とか
27:18AIを使ったえ取り組みのえま大きな割合
27:22を占めるえ作業になってくるんですねま
27:25そういった意味で何か課題があった時にえ
27:28すぐに手動かしてえ見るわかんなかったら
27:31とりあえずググるとか分かんなかったら
27:33とりあえずGPTに聞いてみるっていう
27:35ようなま要は打破するためのですね物事目
27:38の前にある課題を打破するためのえ習慣が
27:42え身についてる方っていうのがすごくあの
27:45フィットするんじゃないかなと思います
27:48うんあとはですねあのあれですねま物作り
27:52が好きとかですねま別にそのAIを今まで
27:55やったことAIの開発をあのやったこと
27:59あるかどうかはですねま正直あんまり関係
28:02ないと思っていてそれよりかもあ物を作っ
28:05て作ったものがお客さんに届いてでそれで
28:09えお客さんが笑顔になって欲しいなって
28:12いう思いを持たれているまそういうのの方
28:15がま今までこんだけ経験しましたよりかも
28:18重要だと思いますま正直言ってAIもです
28:21ねあのどんどんどんどん世の中でですね
28:24あのどんどん新しいものが出ていってるん
28:27で我我々ですらやっぱりその知り尽くし
28:30てるわけではないんですよなのでどちらか
28:34というとま未知なるものとか課題ってのが
28:37あった時にあそれに対してえもお客さんを
28:41笑顔にしたい作って動かせるようになりた
28:43いっていうモチベーションで手を動かして
28:46いけるような方がえAIとか今後のまあの
28:50DXとかまそういった分野にはすごい向い
28:53てるかなと思いますし弊社でもあのそう
28:55いう方をですねえ待っているという状況
28:59ですそうですね今後のえ計画や展望につい
29:03てですけどもまずあの大前提としてその今
29:10ま日本国内
29:12えやま九州っていうところではま人が
29:17そもそも減ってますねで減っていてでそれ
29:21を解決していくってなるとですねやっぱり
29:24その1人1人のその生産性を上げていくっ
29:27ていうことがやっぱり必要だと思ってい
29:29ますでそのためにえっと弊社ではですね
29:33あのDXっていう文脈でえ人の目やえ脳に
29:38え変わる技術っていうのをですねどんどん
29:40広げていきたいという思いでやっています
29:43でやはりその目で見て何かを判断するって
29:47いうコースはですねま皆さんが思っている
29:51よりかもすごく大きなウェイトを占めてい
29:53てあのそれをですね解消していくっていう
29:57のは業全体の性化につがると思っています
30:00でさらにその先にはですねやっぱりこう目
30:04で見て判断するだけじゃなくてさらにこう
30:07ロボットですねロボットと連動することに
30:09よって手作業でやっているえ繰り返し作業
30:13なんかをですね一部そのロボットに
30:15置き換えるっていうま自動化の部分までえ
30:19考えて今え取り組みを始めたところです
30:23株式会社ラプラスではAIを活用し農業者
30:27がから課題を解決できるようなサポートを
30:30行っていましたIT企業だけではなくどの
30:34ような企業で働くにしてもデジタル技術の
30:36知識が必要とされる時代です今回紹介した
30:41株式会社ラプラスのように様々な課題に
30:44対しデジタルが活用できるのではないかと
30:47想像できる人になれるといいです
30:50[音楽]
30:56ねDET
31:04[音楽]
Browse More Related Video
コロナ禍でも加速“スマート農業”劇的な進化とは(2021年6月13日)
【空知地区水稲直播連絡協議会】熊谷会長にきく「湛水直播栽培の心得！」第一弾①
【AI×水産養殖】AIで持続可能な水産養殖を地球に実装する【産学連携】
【神プレゼン】製造業DX完全解説。これを見れば製造業DXの中身が全てわかる！
GCNT Forum 2022 Interview Session: Mr. Ho Ren Hua - Chief Executive Officer, Thai Wah Pub Co., Ltd
PutraMOOC | PRT2008M Topic 6 Innovation and Challenges in Agriculture (Part 5/6)
5.0 / 5 (0 votes)
