2 分で読了
0 views

Aedes aegyptiの卵検出をIoTとTinyMLで自動化するMosquIoT

(MosquIoT: A System Based on IoT and Machine Learning for the Monitoring of Aedes aegypti)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

最近、現場の若手が「AIで監視を自動化しましょう」と言ってきて、怖くてよく分かりません。そもそもMosquIoTって何を変えるんですか?投資対効果は見込めますか。

AIメンター拓海

素晴らしい着眼点ですね!MosquIoTは、従来の人手に頼る蚊の卵の監視をデジタル化して自動で数を取るシステムです。結論を3点で言うと、コストを抑えつつ常時計測ができ、データで判断できる点が変革点ですよ。

田中専務

コストを抑えるって具体的にはどうするんですか。うちの現場でも置けるんでしょうか。電源とか通信とか管理が心配です。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。MosquIoTは低消費電力デバイスとLPWAN(Low-Power Wide-Area Network、低消費電力広域通信)を使うため電源と通信費を抑えられる点が重要です。現場設置は従来のオビトラップ(ovitrap)をベースにしているので大きな心理的障壁はありません。

田中専務

で、卵を数えるってことはカメラで撮って見ているんですか。現場のホコリや雨、暗さで誤検知しないのかが気になります。

AIメンター拓海

素晴らしい着眼点ですね!本論文のミソはTinyML(Tiny Machine Learning、小型組込み機械学習)を現地デバイスで動かし、卵の画像をローカルで判定する点です。つまり生の画像を常時送らず、判定結果だけ送るのでプライバシーや通信コストの両方が改善できるんです。

田中専務

これって要するに現場に小さな賢いセンサーを置いて、データだけ集めて判断するということ?人手を減らして迅速に対応できると。

AIメンター拓海

その通りです。要点を3つで整理すると、1) 低コストで常時計測が可能、2) 現地判定により通信と作業負荷を削減、3) データに基づく予測的対応が可能になる、ということです。だから投資対効果も見えやすくなりますよ。

田中専務

現場の人に触らせるのは心配です。導入やメンテはうちの人でも回せますか。あと結果をどう見るのか、現場と経営で見方を変えたいです。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。設計は現場運用を念頭に置いてあり、既存のオビトラップに組み込む形なので手順は単純です。ダッシュボードは現場向けのアラートと経営向けのリスクマップを分けて表示できるので、誰が見ても意思決定に使いやすくなります。

田中専務

分かりました。要するに、小さく始めて効果があれば拡げられるということですね。私の言葉で整理すると、MosquIoTは既存の卵トラップをデジタル化して現場判定と低コスト通信で常時計測を実現し、データで迅速に対応するための仕組みだ、という理解で合っていますか。

AIメンター拓海

素晴らしい着眼点ですね!その理解で完璧ですよ。では次は小さなパイロット設計を一緒に作りましょう。簡潔に要点は3つ、初期は場所を限定、運用を簡素化し、指標で投資回収を見える化することです。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
ビルボード広告における後悔を減らす枠配分
(Towards Regret Free Slot Allocation in Billboard Advertisement)
次の記事
レコードレベルの個別差分プライバシーを用いたクロスサイロフェデレーテッドラーニング
(Cross-silo Federated Learning with Record-level Personalized Differential Privacy)
関連記事
Gated Multimodal Graph Learning for Personalized Recommendation
(個人化推薦のためのゲーテッド・マルチモーダル・グラフ学習)
深層ニューラルネットワークを用いた顔表情認識の深化
(Going Deeper in Facial Expression Recognition using Deep Neural Networks)
AutoSynth:物体点群整合のための3D学習用データ自動生成
(AutoSynth: Learning to Generate 3D Training Data for Object Point Cloud Registration)
分散スパースブロック符号の因子分解器
(Factorizers for Distributed Sparse Block Codes)
被曝割合に依存する反事実に関する因果推論
(Causal Inference When Counterfactuals Depend on the Proportion of All Subjects Exposed)
Von Mises Mixture Distributions for Molecular Conformation Generation
(分子立体配座生成のためのVon Mises混合分布)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む