AI/IoT Data Pipline Lab - Google Cloud Visual Inspection AIを使用した外観検査ソリューションの検証 ～ 制御システム連携編

[ayonekura]

「AI/IoT Data Pipline Lab - Google Cloud Visual Inspection AIを使用した外観検査ソリューションの検証 ～ エッジ展開編 」では、EL8000とAnthosで構成したエッジ環境にVisual Inspection AIで作成したモデルを展開しました。Visual Inspection AIで作成したモデルは、APIの機能を備えたコンテナの形式でエクスポートされ、APIに画像データをPOSTすることで欠陥箇所の情報を取得することが可能です。一方で、ベルトコンベアやカメラなどの機器を制御するシステム(以降、制御システム)と連携する場合、制御システム側の要件に沿うようにAPIからのレスポンスを変換する必要があります。AI/IoT Data Pipeline Labにおいても制御システム側で以下の要件がありました。

1. 推論結果(OK/NG)に関わる情報が欲しい
2. モニタ表示用の画像が欲しい(対象物をトリミングした画像 / 欠陥部位が強調された画像)

制御システムの要件

本稿では、AI/IoT Data Pipeline Labにおける制御システムとの連携方法についてお伝えしたいと思います。

制御システムの連携

制御システムとの連携

制御システムの要件をクリアするために、制御システムから直接Visual Inspection AIのモデルにアクセスするのではなく、モデルによる推論結果を加工して必要な情報だけ返すAPI(加工API)を制御システムとVisual Inspection AIの間に構成しました。加工APIは、PythonのFastAPIで実現しています。また、画像データのやり取りのためデータストアを展開しました。データストアにはオブジェクトストレージ(Minio)を使用しています。加工APIとオブジェクトストレージはともにコンテナにしてAnthos上で動作しています。

推論結果の加工

制御システムは、以下の流れで推論を実行・結果を取得します。

1. 制御システムはオブジェクトストレージに画像データをアップロード
2. 制御システムは画像データのパス情報をパラメータに格納し加工APIにGETのリクエストを送信
   1.  リクエストを受信した加工APIはオブジェクトストレージから画像データを取得し、Visual Inspection AIのモデル（上図のVIAI機械学習モデル)に画像データを送信
   2. 推論結果を制御システムの要件に沿い加工してオブジェクトストレージにアップロード
   3. 加工したデータのパス情報を制御システムに送信
3. 制御システムは、加工APIからレスポンスを受信し、オブジェクトストレージから加工された推論結果と画像データを取得

結果を取得した制御システムは、後続の処理で画面に結果を出力し、ロボットに仕分けの命令を出します。

まとめ

AI/IoT Data Pipeline Labにおける制御システムとVisual Inspection AIの連携方法についてお伝えしました。Visual Inspection AIのモデルから取得できる結果をそのまま制御システムで処理することが難しいこともあるかと思います。AI/IoT Data Pipeline Labがまさにそのような状況で、Visual Inspection AIのモデルと制御システムの間に推論結果を加工する機能を構成して連携させています。

関連リンク

• AI/IoT Data Pipline Lab - Google Cloud Visual Inspection AIを使用した外観検査ソリューションの検証

1. 概要編
2. モデル作成編
3. モデル評価編
4. モデル展開編
5. エッジ展開編
6. 制御システム連携編 (本稿)