オンデバイス学習による環境適応型異常検知手法の提案とAIハードウェア化

点击翻译按钮获取中文摘要

これまでオンデバイス学習型異常検知ハードウェアについて研究を行い、昨年度までに目標であった専用回路（ONLAD Core）の開発、及び数値的な安定性改善に向けた回路最適化手法の研究を行ってきた。本年度は、これまでの研究成果の総仕上げとして、（1）ONLAD Coreを用いた無線異常検知センサの開発及び実問題への適用と、(2) 左記センサを管理・可視化するシステムの開発を行った。(1) 本センサは小型マイクロコントローラであるRaspberry Pi Picoを基盤とし、ONLAD Coreと振動センサを組み込むことで、異常振動の自動検出を実現する。さらに、低消費電力長距離無線規格として最も有名なものの一つであるLoRaの無線モジュールを搭載しており、センサとは別のLoRaゲートウェイにデータを送信する。本センサは1.5Vアルカリ電池2本で動作し、完全にケーブルレスで取り扱い可能である。また、実アプリケーション（回転機械の異常振動検出）において実践的な評価を取り、従来システムと比較して消費電力・実行時間共に優れ、現実世界のノイズ環境化において高い異常検知精度を維持することを示した。(2) LoRaゲートウェイに送信されたセンサデータをクラウドのデータベースに登録し、Webブラウザ上でリアルタイムの監視を実現する。可視化にはOSSのGrafanaを使用しており、一目でどの機器が異常振動を発しているかを確認できる。動作に必要なのはWebブラウザのみであり、余分なソフトウェアのインストールなしに簡単に導入できる点が他システムに対する優位性である。以上(1)、(2)については既に国内研究会で発表済みであり、情報処理学会システム・アーキテクチャ研究会若手奨励賞を受賞している。