Category: Internet of Things

IoT のユースケースでは、デバイスで不具合や問題が起きた際にログを収集することができないため問題の切り分けが難しい、デバイスが遠隔地にありトラブルシューティングに時間やコストがかかる、といった声をよく耳にします。AWS IoT Device Management ではセキュアトンネリングという機能を提供しており、デバイスの属するネットワークの既存のインバウンドファイアウォールルールを更新することなく、遠隔地のデバイスに対してSSHやリモートデスクトップなどでログインし、状態の確認やログの収集などのトラブルシューティングを行ったり、製品のオーナーに対してリモートからの設定サポートを実施したりすることができます。 この記事では、AWS IoT Core で管理されているデバイスに対して、AWS IoT Device Management のセキュアトンネリングを利用して遠隔からトラブルシューティングを行う方法を紹介します。

こんにちは、AWSソリューションアーキテクトの市川 です。6月17日に開催された IoT@Loft の第 11 回目であるこの回のテーマは、「スマートビルディングにおける IoT 活用の取り組み」でした。 スマートビルディングの領域では、ビルのセキュリティの確保や居住者への快適性の提供、またエネルギー利用のいっそうの効率化などの要求や、労働力の減少に伴うリモート管理や機械警備の重要性などの社会的なニーズのように、様々な領域で IoT を活用したソリューション開発の取り組みが行われています。 今回、様々な分野でビルディングのスマート化にご尽力されているエンジニアの方々にご登壇頂き、現場の課題とそれに応えるソリューション事例などをご紹介していただきました。 IoT@Loft とは ? IoT 関連ビジネスで開発を担当するデベロッパーのためのイベントです。IoT の分野は、「総合格闘技」と呼ばれるほど、必要な技術分野が非常に多岐に渡ること、ビジネスモデルが複雑なケースが多く、全体を理解することは難しいと言われています。その結果、実証実験 (Proof of Concept : PoC) から商品への導入が進まないケースや、PoC でさえ十分に実現できていないケースも多々あります。 IoT@Loft は、そういった IoT 特有の課題と向き合い、情報共有・意見交換を行う場として、参加者の事業や製品開発を成功に近づけることができれば幸いです。この勉強会では、膨大な IoT 関連の情報の見通しを良くするために、各回ごとにテーマを定め、それに沿った形で登壇者に事例や技術のご紹介を頂きます。テーマは、インダストリー、ソリューション、テクノロジー、開発フェーズなどを軸に決めていきます。 セッションの紹介 3度目のオンライン開催でしたが、今回も多くの方に視聴していただきました。オフラインでは人によっては質問しづらいといったこともありますが、今回も多くの質問をいただいております。この記事では各セッションの概要について紹介した後、QAも紹介します。 LT1 – エネルギーマネジメントにおけるAWSを活用したIoTデータ取得ソリューション 登壇資料:エネルギーマネジメントにおけるAWSを活用したIoTデータ取得ソリューション 事例ブログ:ユーティリティにおけるAWS IoTを用いた分析・可視化（北海道ガス株式会社の事例） こちらのセッションでは、北海道ガス株式会社より2名の方の登壇いただき、IoT初心者の非クラウドネイティブな社員による、PoC段階の検討に関して共有していただきました。 背景や課題として、建物はエネルギーシステム全体としての最適利用・省エネが求められるが、実際には個々のサービス・プロダクトは最適化されていても、それらをまとめて管理するのは、導入するお客様(ビルの管理等をされている方)となっていることでした。大規模な物件であれば、BEMS(Building Energy Management System) を導入しており、専門の人が計測・制御を行うことが多いが、中小規模の物件ではこれらの導入は難しいことがあります。また、北海道という土地柄、年間を通して寒暖の差が大きく、季節に合わせた機器の設定運用が必要というのが特徴としてあります。 今回は、このような中小規模のスタンドアロンなガス熱源設備に対するPoCを行ないました。目的としては、省エネ・設備最適運用支援を目的に、機器データを集めて蓄積・可視化することにフォーカスしています。 PoCを進める上で、1)どの様にデータを変換するか、2)PLCをどうゲートウェイに繋げるか、3)ゲートウェイ〜クラウドがよくわからない、といった課題がありましたが、一つ一つ解決しながら進めることでデータの収集から可視化までを進めることが出来ました。PoCの初期の段階ではSoracomさんのサービスを利用することで、データの蓄積・可視化を素早く行うことが出来たが、将来的に蓄積したデータを利用してBIツールとの連携や、分析を行うことを考えていたので、最終的にはAWS IoT のサービスを利用して、データレイクを構築し、可視化するところまで実現できました。これにより、熱源機器のデータを連携することで、省エネ支援を実現することが確認できました。PoCを進める上で、データ取得ソリューションは作り込まない事により、素早く構築することで現場の課題を早期に見つけることが出来たとのことです。 Q&A Q. SORACOM HarvestやLagoonも使用されていたとのことですが、それらからAWSのサービス、IoT AnalyticsやQuickSightなどに移行、変更した理由について教えていただけますでしょうか。 SORACOMさんのサービスでもデータの蓄積は問題なく出来ますが、後々解析で利用したいという考えがありましたので、IoT Analyticsに移行しました。QuickSightは組み込みの異常検知の機能などあるためそれを使いたいと思い移行しています。 Q. 短期間での投資回収可能とのことでしたが、通信やクラウドを含めた全体のコスト感はどのくらいなのでしょうか？全体の構成の中で、特にどのあたりにコストがかかっているかを教えていただきたいです。 […]

本記事では、IoT@Loft #9 で ソラコム様にご紹介いただいた、S+Camera Basic (以下 S+Camera) と Amazon Rekognition や Amazon Elasticsearch Service などを組み合わせたデモを実現する方法を説明します。このデモでは、店舗の入り口に設置した S+Camera で顔を検出、検出した顔を Amazon S3 にアップロード、Amazon Rekognition を用いて分析することで、顧客の年齢や性別などの分析や、お得意様来店時の通知などを行うことができます。 Amazon Rekognition では、機械学習の専門知識を必要とせずに、実績のある高度にスケーラブルな深層学習テクノロジーを使用して、アプリケーションに画像およびビデオ分析を簡単に追加できるようになります。Amazon Rekognition を使用すると、画像と動画の物体、人物、テキスト、シーン、活動を特定し、不適切なコンテンツを検出できます。また、Amazon Rekognition カスタムラベルを使用することで、ビジネスニーズに合わせた画像の物体やシーンを特定できます。

温度や湿度、加速度などのセンサーを設備に取り付け、その値をクラウドに上げて可視化する、といったユースケースは、商業施設や工場など様々なユースケースで求められています。AWS IoTをはじめとする、AWSのサービスを使うことで、そういったユースケースをすばやく実現することが可能です。これはAWS IoTで管理されているデバイスに限った話ではありません。他のデバイス管理ソリューションをお使いの場合においても、クラウドアプリケーションやデータ分析の用途でAWSをシームレスに利用頂くことができます。 この記事では、Arm Pelion Device Management上で管理されているデバイスから、ログデータをAWS IoT にアップロードし、分析・可視化を行う方法について、具体的な構築手順をご紹介します。ここではWi-Fi環境がない設置場所を想定し、通信手段として3G回線を使用します。また施設内のアラートを管理者に伝えるといったシーンを想定し、記事の後半ではデバイスのボタンを押すと管理者にメールが届く仕組みも構築します。最後に、身近なデバイスでクラウド開発のPoCをクイックに進める手段として、Pelion Device Managementで管理されているRaspberry PiでAWS IoT Coreに接続する方法を紹介します。 概要 今回構築する仕組みは、上記のようなアーキテクチャになります。まず、Mbed OSが動作するマイコンが、Pelion Device Managementで管理されています。デバイスは、MQTTプロトコルによって時系列のセンサーデータを3G回線を経由してIoT Coreへアップロードします。IoT Coreのルールエンジンを使って、分析対象のデータのみをIoT Analyticsに送ります。IoT Analyticsでは、収集、処理、保存といった分析の前処理を行いデータセットを作成します。最後に作成したデータセットをQuickSightからアクセスすることでセンサーの時系列データをグラフ描画することが可能になります。 さらに、ここでは触れませんが、AWS IoT Analyticsを用いて作成したデータセットをAmazon SageMakerというAI・MLのサービスにわたすことで、機械学習による高度な予兆保全や、アノマリー検出なども可能になります。 AWS IoTの認証には、2020年5月に追加されたAWS IoT CoreのMulti-Account Registrationの機能を使用します。これによって、Pelion Device Managementで発行された証明書をIoT Coreに設定するだけで、デバイスは1つの証明書を使って接続することができます。 準備 こちらの記事 の4.2章までを実施し、SIMの設定、センサーおよびボタンの接続、Pelion Portal Account の設定を進めてください。以下は、事前に用意していただくハードウェアです。 使用するハードウェア Seeed Wio 3G GROVE – 温湿度・気圧センサ（BME280） GROVE – 青LEDボタン SIMカード Raspberry Pi 3 […]

こんにちは、Prototyping Solutions Architectの市川です。この記事では、AWS IoT Greengrass ハンズオンについてご紹介します。 AWS IoT Greengrassサービスページより抜粋 AWS IoT Greengrass では、AWS をエッジデバイスにシームレスに拡張します。これによりエッジデバイスでは、管理、分析、耐久性のあるストレージのためにクラウドを使用しながら、生成されたデータに基づいてローカルで動作することが可能になります。AWS IoT Greengrass を使用すると、接続されたデバイスで AWS Lambda 関数を実行し、機械学習モデルに基づいて予測を実行し、デバイスデータを常に同期させ、他のデバイスと安全に通信できます。これはインターネットに接続していないときでも可能です。 この様に、AWS IoT Greengrassを利用することで、エッジデバイス上で様々なことができるようになり、クラウドから簡単に管理できるといった特徴を持っています。 このハンズオンでは AWS IoT Greengrassを導入するにあたり、最初の一歩として基本的な機能について、実際に手を動かしながら3時間程度で学ぶことができます。実機がなくてもAWSのサービスを使ってブラウザがあればすぐにでも試すことが出来ます。このハンズオンを体験することで、基本的な使い方を理解し、次のステップとして、実機での利用や、機械学習の推論を行う高度なエッジコンピューティングへと進むことが可能です。 ハンズオンの構成 https://aws-iot-greengrass-for-beginners.workshop.aws/ このハンズオンで作成する構成は以下の図のようになっています。 ハンズオンのコンテンツとしては、 「AWS IoT Greengrassのセットアップ」、「AWS IoT Greengrassと繋がるセンサーデバイスの作成」、「デバイス同士のメッセージング」の章では、AWS IoT Greengrassを始めるために必要な設定及び、エッジ側だけでのメッセージングを行うための設定について学ぶことが出来ます。 「Greengrassを詳しく見てみる」の章では、ログの確認、デプロイされたアセットの確認など、トラブルシューティングに必要となる基本的な情報について学びます。 「データをS3に保存する」の章では、応用編としてAWS IoT Coreに届いたメッセージを、データレイクとして利用するS3に保存する設定について学びます。 ハンズオンから実ユースケースへの応用 このハンズオンで学んだ内容を応用することで、例えば以下のようなユースケースを実現することができます。 スマートホーム向けのゲートウェイデバイスで動くアプリを簡単にデプロイする 生産設備で大量に発生するデータを直接クラウドに送らずに、エッジ側である程度サマリーさせてから送る ネットワークが常時つながっていないような環境で、エッジ側だけで発生した問題を素早く検出して、アクションを起す また、このハンズオンではAWS Cloud9を利用しますが、AWS IoT Greengrassの動作要件を満たせば、Linuxベースのデバイス上で利用することが可能です。動かしたいデバイスがAWS IoT Greengrassの要件を満たしているか確認する場合は、Dependencies Checkerを利用して確認することが出来ますので試してみてください。 Device Qualified Programについて […]

電気ガス水道などの公共事業において、設備をIoT化しクラウドと連携する動きは、日々加速しています。 ユーティリティ設備においてクラウドに繋がることによるメリットとしては、主に以下のようなものが挙げられます。 省人化によるコスト削減 点検、保守など、人が行っている作業の自動化・半自動化することによって、コスト削減が図られるケースがあります。例としては、保守が必要なタイミングをシステムが判断することで、施設への訪問回数の削減を行ったり、設備のリモート操作を可能にすることにより、訪問自体を無くすことが挙げられます。 新たな付加価値を利用者に提供 ガスの使用量などの情報を紙ではなく、電子化し、スマートフォンやPC上でいつでも確認できるようにしたり、ユーザーの利用傾向をインテリジェントに分析し、最適なプランや利用料を下げる方法があります。 この投稿では、一つの事例として、北海道ガス株式会社（以下、北ガス（読み方：キタガス））様の例を取り上げます。北ガス様は、AWS IoTのサービスを活用することで、大規模なインフラ構築の投資不要で、高速にPoCを実施しています。北ガス様の抱える課題と、その課題解決のためにどのようにAWS IoT のサービスを活用しているかについて、技術的な視点でご紹介したいとおもいます。 エネルギーサービス事業における課題 北ガス様は、北海道エリア内にて都市ガス事業・電力事業を主なビジネスとして手がける総合エネルギーサービス事業者です。持続可能な社会を支え、北海道に最適なエネルギー社会を創造するべく、ガス、電気、熱、再生可能エネルギーの最適利用と、デジタル技術の高度活用を通じて「持続性」「環境性」「経済性」に優れた新たなエネルギーシステムの構築を目指しています。近年では、デマンドサイドのエネルギーマネジメントによる省CO2・省エネルギーの推進を図るとともに、電気・冷温水を供給するエネルギーセンターを構築し、特定エリア内におけるエネルギーマネジメントを行うCommunity Energy Management System (CEMS)を導入・運用するなど、エネルギーに関わる広範なサービス事業を展開しています。 総合エネルギーサービス事業の展開にあたり、業務用分野においては、お客さまのガスや電気の使用量実績を把握するだけではなく、ボイラーや空調機器、暖房機器等、お客さまが実際に機器をどのように使い、室内環境がどのように変化したのかを把握するデマンドサイド（需要家側）のデータ収集が求められていました。 業務用機器を含むエネルギーシステムは、機器単体の性能・効率向上だけではなく、エネルギーシステム全体として、需要家側の最適利用や省エネを図る必要があり、こうした運用は需要家側に任されております。しかし、積雪寒冷地の北海道では、季節によってエネルギー負荷が大きく変化するため、需要家側で最適な運用ができていないケースが散見されていました。 お客さまの最適運用・省エネを支援するため、機器データや室内環境データを把握することは重要な取り組みと位置付けておりましたが、測定した様々なデータをクラウドにどのように集め、蓄積し、可視化するかに関しては、知見に乏しく、多くの課題がありました。 アーキテクチャの検討 この件に限らず、データ分析や機械学習のワークロードを進めるうえでは、過去の大量のデータが必要となる場合が多くあります。一方で、これからIoT化を進めるケースでは、過去のデータが存在しないケースがほとんどです。さらに、エネルギーサービスなどで分析に使える実データを集めるためには、季節変化等も考慮する必要があるため、データ収集には長い期間が必要となります。 今回のケースにおいても、最初に着手するべき事項として、データを集めて蓄積する部分に焦点を絞り、データ収集・分析基盤のアーキテクチャ設計と構築をすすめました。設計議論における観点は以下のようなところです。 保守・運用にかかる作業を最小化したい。コストを抑え、短期間でPoCを完了させ、次のステップへ進みたい。 蓄積したデータに対して、今後様々な活用が可能な状態にしたい。例えば機械学習やBIツール等を使う可能性を視野に入れる。（具体的な活用方法はこれから考えたい。） デバイスの設置場所は、Wi-Fiなどのインターネット環境が無い場合を想定している。 これらのポイントを考慮したうえで、以下のようなアーキテクチャを設計しました。 ハードウェア・通信環境 このPoCでは、上述のとおり、データの蓄積を主眼としているため、新たなハードウェアの開発は行わず、市販のデバイスを組み合わせてハードウェア環境を構築しています。クラウドへの通信、およびエンドポイントにはSORACOMを用い、そこからAWS IoT Coreへすべてのデータを送信しています。1つのゲートウェイに接続されている複数のセンサー情報が、1つのJSONドキュメント形式でまとめられており、それが一定時間間隔で送られます。 SORACOMからIoT Coreへのデータ送信では、クラウドリソースアダプタであるSORACOM Funnelを利用しています。ゲートウェイからのデータは、SORACOM Funnelを介して、アクセスキー認証によるHTTPS通信によりIoT Coreへ送信しています。本構成では、SORACOM Platform 上で認証情報を管理することで、物理的なハッキング対策を講じるとともに、ゲートウェイからSORACOM Platformまでは閉域網で通信することで、セキュアなIoTシステムを構築しています。 IoT Coreに送られたデータは、IoT Coreのルールエンジンによって、AWS IoT Analyticsへと送信されます。ルールの設定は数クリックで可能であり、SORACOMからIoT Coreへ送られるすべてのメッセージをIoT Analyticsに送る設定を行いました。今回のPoCで作成したルールは１つのみですが、ルールを増やすことによって、例えば、IoTデバイスから届いたデータの値が一定値を越えた場合にE-mailなどでアラートを通知したり、アプリケーション用のデータベースを更新するなど、柔軟に拡張することが可能です。 さて、IoT Analyticsにデータが届くと、IoT Analyticsは内部で、送られてきたJSONをパースし後段の分析で利用可能な形式への変換を行います。ここでは、IoT Analyticsのパイプラインに Lambda Activity を追加し、データが一定量もしくは一定期間蓄積されたら自動的にLambdaを呼び出す設定を行いました。Lambda関数の中で、JSONオブジェクトから必要なデータのみを抽出し、1つのオブジェクトに含まれる複数のセンサーデータの情報を配列に変換し、データストアに保存するようにしました。 分析 IoT Analyticsでは、データソースおよびデータセットの保存先としてS3を選択しています。S3を選択することにより、将来的にAthenaやGlueなどの分析系のサービスや外部ツールを利用し、より高度な分析も行うことが可能になります。 […]

IoT@Loft の第10回目は「スマート工場（IIoT）に向けた課題と取り組み 〜見える化、予知保全、品質管理〜 vol.2」をテーマに、2回目となるオンライン開催を行いました。 工場のIoT 化は、予知保全、生産性向上、デバイス管理、設備の安全管理など多岐にわたり、収益向上やコスト削減を実現しています。今回、様々な分野で工場のスマート化にご尽力されているエンジニアの方々にご登壇頂き、現場の課題とそれに応えるソリューション事例などをご紹介頂きました。また、IoT@Loftでスマート工場をテーマにするのは今回が2回目となります。前回スマート工場をテーマに実施したIoT@Loftの情報や登壇者の方の資料はこちらにあります。さらにこれまでのイベントまとめ記事はこちらにありますので、合わせて確認してみてください。 この回では、目視検査を AI で自動化する取り組みについてシーシーエス様に、工場オペレーションを管理するアプリケーションについて丸紅情報システムズ様に、そして製缶ラインの高速機械をIoT化した取り組みについて東洋製罐様にお話いただきました。また、AWSからはスマートファクトリーを実現する AWS の IoT ソリューションについて紹介しました。 IoT@Loft とは ? IoT 関連ビジネスで開発を担当するデベロッパーのためのイベントです。IoT の分野は、「総合格闘技」と呼ばれるほど、必要な技術分野が非常に多岐に渡ること、ビジネスモデルが複雑なケースが多く、全体を理解することは難しいと言われています。その結果、実証実験 (Proof of Concept : PoC) から商品への導入が進まないケースや、PoC でさえ十分に実現できていないケースも多々あります。 IoT@Loft は、そういった IoT 特有の課題と向き合い、情報共有・意見交換を行う場として、参加者の事業や製品開発を成功に近づけることができれば幸いです。この勉強会では、膨大な IoT 関連の情報の見通しを良くするために、各回ごとにテーマを定め、それに沿った形で登壇者に事例や技術のご紹介を頂きます。テーマは、インダストリー、ソリューション、テクノロジー、開発フェーズなどを軸に決めていきます。 LT セッション ここからは各LTの内容をダイジェストで紹介してまいります。また今回はどのご講演に関しても、視聴していただいた皆さんから多数のご質問をいただきました。いただいたご質問については、ご講演者より回答をいただき掲載しておりますので、あわせてご覧ください。 LT1 – 目視検査を AI で自動化する取り組み まずシーシーエス株式会社様には、目視検査を AI で自動化する取り組みとして、シーシーエスの検査ソリューションをご紹介いただきました。シーシーエス株式会社様はLEDを活用した検査用照明機器メーカーで、国内で約40％のシェアを持っています。 外観検査の際には、見たい特徴を撮れないといった課題がよくあります。そこで照明を工夫することによって、見たい特徴を抽出できるようになります。例えば500円硬貨の例だと、携帯のカメラと室内照明では見えなかった偽造防止の刻印も、最適な検査用照明を用いることで見えるようになります。その他にも検査用照明を正しく用いることで、IC パッケージの表面に刻印されたモデル番号がはっきりと読めるようになったり、顆粒中の小さな異物が明瞭に見えるようになったりします。このようにライティングソリューションを用いることで、これまで見えなかったものが見えるようになります。 またここで、携帯カメラとマシンビジョンカメラ（以下、MV カメラ）を比較しながら、MV カメラの良さを説明します。カメラレンズや照明については、携帯カメラでは交換できないが、MVカメラでは交換可能であるため、最適なものおよびパラメータを選択可能です。製品の良品・不良品を判別した推論結果を比較すると、携帯カメラだと推論結果の分布が重なり合ってしまい明確な閾値設定が難しいです。一方でMV カメラを用いた場合には分布が重ならず、その分布の境目に閾値を設定することで、判別の精度が向上します。 このように外観検査を実施する際には、機器選定からそれらのパラメーター調整、撮影環境の準備など、多くの準備と考慮事項があります。そこでシーシーエス様では、最適な撮像が行えるよう、ライティングコンサルタントと共にテスティングルームを国内に12拠点を配置しています。また撮影から学習と検証までを行う、AIラボを東京と京都に設置しています。ここでは、画像検査に特化した AI ソフトウェアを複数用意し、外観検査を行う AI 導入に向けた支援を行なっています。 このように、最適なカメラ・レンズが決められない、いつも安定した撮像ができないといったお客様に対してシーシーエス様は上記のようなソリューションの提供を行なっています。 […]

AWSはコンシューマ製品や製造設備などのエッジデバイスにAWSのサービスを拡張し、インテリジェントに行動できるようにするべく必要な技術をお客様に提供するために、エッジコンピューティングの提供を継続的に進化させています。これにより、お客様は不要なコストやレイテンシーを回避し、エッジデバイスを安全かつ効率的に管理できるようになります。 AWS IoT Greengrassを利用して、AWSクラウドテクノロジーをエッジデバイスに拡張することにより、生成されたデータに対しローカルでアクションを起こしつつ、クラウドでリアルタイムのデータ分析、データの保存と可視化、機械学習モデルの精度の高いトレーニングを行うことが出来ます。AWSはエッジからクラウドまでのテクノロジーソリューションを提供するだけでなく、世界中のさまざまなデバイスプロバイダーと連携し、お客様の特定のユースケースに合わせて適切なハードウェアを選択できるようにしています。 NVIDIA DeepStream SDKは、インテリジェントなビデオ分析アプリやサービスを構築することを促進ためのフレームワークです。NVIDIA Jetson製品を使用することで、お客様はエッジで動作するデバイスにサーバークラスの計算性能を拡張することができます。Jetsonプラットフォーム上のTensorRT及び、CUDAと組み合わせてDeepStreamを使用することで、お客様は高スループットで低レイテンシのソリューションを構築し、展開することができます。 この記事では、NVIDIA DeepStream on JetsonモジュールとAWS IoTサービスを統合することで、AWSの技術とインフラストラクチャを使ってビジネス要件を満たす革新的なソリューションを構築する方法を紹介します。 ソリューション概要 この記事の目的は、NVIDIA DeepStream ApplicationsがAWS IoT CoreとAWS IoT GreengrassにMQTTメッセージを発行できるようにする方法の概要を提供することです。次の図は、この投稿でデモしたソリューションのアーキテクチャを示しています。 以下のセクションでは、DeepStream SDKのメッセージブローカーAPIをインストール及び設定し、AWS IoT CoreにMQTTメッセージを発行するまでの手順を順に説明します。(JetsonデバイスでAWS IoT Greengrassに対応させたい場合は、最後のセクション「AWS IoT Greengrassとの互換性」を参照してください)。 手順1：AWS DeepStreamアダプタのダウンロード 手順2(オプション)：共有ライブラリを手動でビルド 手順3：AWSのIoT認証情報でDeepStreamアプリをプロビジョニング 手順4：Jetsonデバイスへ証明書の転送 手順5：DeepStreamアプリを実行 ソリューションの手順を説明した後、AWS IoT RulesでIoTメッセージを処理する方法と、AWS DeepStreamアダプタをAWS IoT Greengrassに接続する方法を説明します。 前提条件 Administrator権限を持つAWSアカウント インターネットに接続できる、DeepStream SDKがインストールされたJetsonデバイス NVIDIAのドキュメントに記載されているようにGstreamerをインストールされている このソリューションの手順の便宜上、DeepStream SDKがインストールされているパスの環境変数を作成する方法を示します。<DeepStream SDK PATH>をJetsonデバイス上のDeepStream SDKのパスに置き換えてください。 $ export DEEPSTREAM_SDK_PATH=<DeepStream SDK […]

住宅の新規購入者は、芝生のお手入れを効果的に管理するにはどうしたらよいかと頭を抱えることがよくあります。あなたが農家だとして、何平方メートルもの土地にこれをしなければならない場面を想像してみてください。農家として通常直面する課題には、いつ (水を撒くのに適切な時期はいつか)、どこで (水を撒いたり肥料を与えたりするエリアはどこにするか)、 どうやって (雑草の処理方法) 管理するかが含まれます。アメリカ雑草科学協会 (WSSA) が実施した調査研究では、手入れしていない雑草がトウモロコシと大豆の作物にもたらす損失は、年間合計 430 億 USD に上るという結果が出ています。詳細については、WSSA ウェブサイトの「WSSA Calculates Billions in Potential Economic Losses from Uncontrolled Weeds」を参照してください。 この問題を解決するために、コンピュータビジョンと機械学習 (ML) の分野の最新のテクノロジーを活用できたらどうでしょうか? これは解決するのが難しい問題であり、多くの企業がソリューションを考え出そうと取り組んでいます。この記事では、AWS Starter Kit をどのように使用開始し、ソリューションを構築するかについて説明します。ソリューションには次の 2 つのコンポーネントがあります。 画像分類と AWS DeepLens を使用した雑草検出 AWS IoT を使用して、芝生の状態 (土壌の水量、肥沃度レベル、太陽光) をほぼリアルタイムでモニタリング 前提条件 このソリューションを実装するには、次の前提条件が必要です。 AWS DeepLens Raspberry Pi 土壌水分センサー (この記事では、Xiaomi の FlowerCare センサーを 4 つ使用しています) 画像分類を使用した雑草の検出 除草剤の耐性がますます一般的になるにつれて、雑草防除の重要性が農業分野で増してきています。農場の生産性を高めるには、雑草を検出し、予防措置を早期に講じることが重要です。これが […]

こんにちは、IoT Specialist ソリューションアーキテクトの三平です。この記事では、Amazon Kinesis Video Streams ハンズオンをご紹介します。 Amazon Kinesis Video Streams は、分析、機械学習 (ML)、再生、およびその他の処理のために、接続されたデバイスから AWS へ動画を簡単かつ安全にストリーミングできるマネージドサービスです。数百万のデバイスからの動画をセキュアに取り込み、時系列でインデックスして保存、再生や分析のために容易に取り出すためのインフラストラクチャを、自動的にプロビジョンして、伸縮自在にスケールします。 このハンズオンでは Amazon Kinesis Video Streams を用いた PoC などを容易に行っていただけるよう、カメラデバイス (Raspberry Pi) からクラウドへ動画を収集・保存し、ライブやオンデマンドでストリーミング再生したり、動画ファイルとしてダウンロードしたり、Amazon Rekognition Video と組み合わせてライブ顔認識やニアリアルタイムでの分析などを行ったりする方法を、実際に手を動かしながら3〜4時間で学ぶことができます。