🎯 センサー応用
センサー班では、カメラ、マイク、LiDARといった多様なセンサーと深層学習をはじめとするAI技術を駆使し、社会の様々な課題解決を目指す研究開発に取り組んでいます。
主な研究の内容
LiDARを用いた3次元点群データからの植物の成長モニタリング
従来の作物の生育評価は、手作業での測定が主流で、多くの時間と労力を要しています。そこで本研究では、効率的な測定システムの開発としてLiDARセンサーを用いて空間をマッピングした3次元データから、植物部分を深層学習を用いて検出し、生育状況を定量的に推定する手法に取り組んでいます。この技術は、圃場管理の効率化や収量予測の高度化など、スマート農業への応用が期待されます。
深層学習モデルとLiDARを用いた階段・段差検出システムの開発
高齢者と視覚障がい者の方々が階段や段差を認識することが難しいという課題に対して、リアルタイムに階段や段差を検知するシステムの開発を目的としました。普及率の高いiPhoneと高速な物体検出が可能なYOLOを用いることで、手軽に利用できるシステムを構築しました。アプリの操作面では、視覚障がい者向けに音声による画面遷移機能を実装し、誰にでも使いやすいデザインを工夫しました。検知した階段や段差の警告の通知方法は、周囲の音を遮らずに情報を通知できる骨伝導イヤホンによる音声通知に加え、高齢者向けにスマートグラスを用いて音声と視覚の両方で通知する方式も実装しました。高齢者や障がいを持つ方々が安心して外出できるようになることを目指しています。
深層学習モデルを用いた緊急警報システムの開発
高齢者と聴覚障がい者の方々が音の情報を認識することが難しいという課題に対して、危険音を通知するシステム開発を行っています。本研究は、音源を音の画像に変換して、深層学習モデルで学習することによって緊急警報を分類するモデルを構築します。スマートグラスにリアルタイムで投影し、ユーザへ音の方向と音の種類を通知をする仕組みです。高齢者や障がいを持つ方々が安心して外出できるようになることを目指しています。
単眼カメラ映像を用いたコリジョンコース予測に関する研究
本研究では、車両相互の交通事故の一例である「コリジョンコース現象」に着目し、安価なカメラを使用してこの現象を予測するアプローチの確立を目的としています。物体検知アルゴリズムとして「ultralytics YOLO11」を活用し、接近する車両を認識します。そこで得た車両情報を活用することで、コリジョンコースを判定します。将来的には、警報発報を含めたシステムを作成する予定です。
単眼深度推定とMR技術を用いた車いす向け危険検知システムの開発
本研究では、車いす走行時の段差や溝、傾斜といった潜在的な危険を事前に検知し、視覚的に警告するシステムの開発を目的としています。単眼深度推定モデル「MiDaS」によりRGB画像から奥行き情報を取得し、点群に変換することで環境を三次元的に認識します。将来的には、危険をMR技術で直感的に提示することで、安全な移動支援を実現したいと考えております。
📘科研費
基礎研究(C)：「深層学習とドローンを用いた温室トマトの株毎の生育データモニタリングシステム」
🤝共同研究
佐賀大学農学部から提供して頂いたトマト40株での実験を実施中
デモ映像リンク
研究成果のデモ動画は、PRページにてご覧いただけます。