AR技術を用いた電気分野教育用次世代複合教育ツールの開発

本研究課題では、これまでブレッドボード型デバイスおよび専用素子デバイスを活用した教育用電気回路教材について開発を行い、この電気回路教材について、その回路要素の配置や接続関係を画像認識で自動検出し、回路解析するプログラムを開発している。２０２１年度は前年度開発したプログラムをラズベリーパイに移植し、ポータブルな電気回路解析システムを提案したが、表示スピードが4fps(1秒当たり４回の表示)となり、解析速度(実際には画像認識速度)の向上が教材として使用する上での課題となっていた。２０２２年度はＧＰＵベースの小型コンピュータを使用した回路解析システムについて、ハードウェアの検討を行い、システム開発を行った。実際には、GPUベースの小型コンピュータとして一般的に用いられているJetson Nanoを活用して、開発環境の整備を行い画像認識技術について検討を行った。画像認識プログラムについては、PythonをベースにTensorFlowを用いたシステムを構築し、10fpsの処理速度を実現している。この結果より、回路解析システムの高性能化について目途がついたと考えられる。２０２３年度は、２０２２年度に開発した画像認識システムについて、修正節点解析法のアルゴリズムをベースとした回路解析プログラムを実装し、回路解析システムを実現する。また、開発したブレッドボード型教育教材および回路解析システムについて高専生など回路を学ぶ初学者に使用してもらい、教育効果についての検討を行う。

本研究課題では、これまでブレッドボード型デバイスおよび専用素子デバイスを活用した教育用電気回路教材について開発を行い、この電気回路教材について、その回路要素の配置や接続関係を画像認識で自動検出し、回路解析するプログラムを開発している。２０２１年度は前年度開発したプログラムをラズベリーパイに移植し、ポータブルな電気回路解析システムを提案したが、表示スピードが4fps(1秒当たり４回の表示)となり、解析速度(実際には画像認識速度)の向上が教材として使用する上での課題となっていた。２０２２年度はＧＰＵベースの小型コンピュータを使用した回路解析システムについて、ハードウェアの検討を行い、システム開発を行った。実際には、GPUベースの小型コンピュータとして一般的に用いられているJetson Nanoを活用して、開発環境の整備を行い画像認識技術について検討を行った。画像認識プログラムについては、PythonをベースにTensorFlowを用いたシステムを構築し、10fpsの処理速度を実現している。この結果より、回路解析システムの高性能化について目途がついたと考えられる。２０２３年度は、２０２２年度に開発した画像認識システムについて、修正節点解析法のアルゴリズムをベースとした回路解析プログラムを実装し、回路解析システムを実現する。また、開発したブレッドボード型教育教材および回路解析システムについて高専生など回路を学ぶ初学者に使用してもらい、教育効果についての検討を行う。