Firefly DL

　簡単にAI。

　　必要なのは、
　　FireflyDL・PC・検査対象ワーク。
　　プログラミングの必要はありません。
　　対象ワークの撮影は面倒ですが…

　　　　　動かすだけならプログラムはまったく作りません。
　　　　　TensorFlowやCaffeを1度でも使ったことがあるなら、動かすことはできると思います。
　　　　　知識のない方でも、弊社のセミナーを受講していただければ簡単に使うことができます。
　　　　　ただし、結果を出すには”コツ”が必要です。
　　　　　サポートいたします。

　スタンドアロン。

　　FireflyDLに作成したニューラルネットワークを書き込めば
　　単体動作可能です。
　　ネットワーク接続の必要はありません。

　　　　　既存のAI画像認識システムのように常時インターネット接続を含んだシステム構築の必要はありません。
　　　　　また、1検査(検出・認識)に対する従量課金もありません。
　　　　　製造現場でネットにつなぐことができなくても大丈夫。
　　　　　設備との組み合わせの条件さえ整えば、PCレスでも動作可能です。
　　　　　(FireflyDLは、認識したクラスに対して信号出力が可能です。)

　ローコスト。

　　FireflyDLとレンズ・照明・ケーブルで？万円から。(ひとけた万円)
　　初期投資としてニューラルネットワーク作成PCも必要です。
　　速いPCを使うと立ち上げもスムーズになります。 　　

　　　　　既存カメラとの置き換えも可能です。その場合、既存照明を用いれば更にコストを下げることは可能です。
　　　　　アドバイスとして、ニューラルネットワークを作成するPCは、予算を多めにお願いします。
　　　　　結果が出るまで何週間もPCを動かし続けたくは無いでしょうから。
　　　　　複数ライン有るような製造ラインの場合、最高のスケールメリットが得られる可能性があります。
　　　　　※価格についてはお問い合わせください。 　　　　　



　　補足説明

　　　　　◆FireflyDLについて
　　　　　　FireflyDLは、カメラ単体でClassification(分類)やObjectDetection(物体検出)が可能なカメラです。
　　　　　　PCにて学習させた、ニューラルネットワークをカメラに展開し実行することが可能です。
　　　　　◆使用できるニューラルネットワークについて
　　　　　　基本的にはTensorFlowを用いたClassification(分類：映像上で最も近似しているものを指し示す)、
　　　　　　Caffeを用いたObjectDetection(物体検出：映像上の複数の物体を認識）の2点となります。
　　　　　　※学習結果のニューラルネットワークファイルが、22MBを超過する場合動作しない可能性があります。
　　　　　◆クラウド型システムとの違いについて
　　　　　　クラウド型AI認識・検出システムと比較した場合、学習時間に大きな差が出ます。
　　　　　　クラウド型の最大のメリットはスーパーコンピューターレベルのワークステーションにて
　　　　　　高速に学習を行えることです。
　　　　　　しかしながら製造現場では、製品の写真の外部送信は勿論のこと、製品の情報は絶対に漏らしたくはありません。
　　　　　　FireflyDLなら、社内に設置した学習用PCにて学習させれば良いですから、その点の心配はありません。
　　　　　◆デメリットについて
　　　　　　FireflyDLに内蔵されている推論エンジンはインテル® Movidius™ Visual Processing Unit(VPU)です。
　　　　　　小型の組み込み用途のVPUとなります。
　　　　　　GPUやFPGAと比較した場合、スペック上の性能では劣ります。
　　　　　　しかしながら、用途によっては十分な性能であると考え、また、運用方法を創意工夫すれば実用に耐えられる
　　　　　　可能性が十分にあると弊社では考えています。
　　　　　◆価格について
　　　　　　本商品は輸入商品です。為替レートや輸送費の変動で価格が変動する点をご了承ください。
　　　　　　本ページ内の「？万円(ひとけた万円)」は最小構成時の価格となります。
　　　　　　はじめてお使いになるお客様や、画像処理についてご不安なお客様は、
　　　　　　サポート購入やセミナーを受講していただく場合がございます。
　　　　　　ご購入後の、追加サポートのご購入やセミナー受講も可能ですので、その際はお問い合わせください。
　　　　　　製品の性質上、お客様都合による返品はお断りしております。
　　　　　　また、弊社判断にてサポート購入やセミナー受講をしていただけないお客様には、
　　　　　　販売を行わない場合がございます。ご了承ください。
　　　　　

　　弊社のサンプル

　　　　　お客様の製品ではいろいろと問題がありますので、
　　　　　ここではミニカーを4種類用意し、ClassificationとObjectDetectionを行いました。
　　　　　ミニカーは自動車に詳しくない方が見たら見分けがつかないスポーツカーのミニカー4台です。
　　　　　FireflyDLにて、各車種20枚程度、様々な角度から撮影し、学習用の画像としました。
　　　　　アノテーションと呼ばれる画像に情報を付加し、データベースを構築する「Dataset」の構築まで約2時間、
　　　　　その後PCにて学習を行わせました。
　　　　　Classificationは1時間程度、ObjectDetectionは3時間程度学習を行わせた結果が下写真の結果です。
　　　　　予想よりも少ない立ち上げ時間では？
　　　　　弊社では、FireflyDLやDeepLearningのノウハウを保有しています。たくさんの失敗もしました。
　　　　　その知識を製造現場などでお使いいただけると幸いです。
　　　　　

Classificationサンプル ObjectDetectionサンプル
上記写真はFirefly DLの実行結果です。

　　　　　
本サイトでは、簡潔に表記するためDL：DeepLearningを一部AIとの表記をしています。ご了承ください。
本サイト表記の「スタンドアロン」は開発中や実行中の状態がスタンドアロンという点を示しています。開発環境構築の際にはネット接続と弊社並びに各社サイトからのダウンロード等が必要になるい場合があります。
FLIR®並びにFirefly Firefly DLは、フリアーシステムズ（FLIR®Systems,imc.)の登録商標です。
Firefly DLの写真並びにFLIR®ロゴはフリアーシステムズより許諾を受けて掲載しています。
また、それ以外の写真についてはテスビット保有の写真となります。

     お問い合わせ(AI用)