GoogleのRaspberry PiのようなCoral：新しいCoral Dev Board Miniと小さなAcceleratorに会う

GoogleはCoralのラインナップを拡大し、2020年の2つの新製品とCoral SoMのメモリオプションを増やしました。

Googleは、Coral Dev Board Miniと、既存のCoralハードウェアラインナップに参加する新しいアクセラレータモジュールを発表しました。これは、開発者がエッジネットワークデバイスでローカルに機械学習モデルを実行できるようにすることを目的としています。

すべてのCoral製品の中核はGoogle Edge TPU ASICであり、149ドルのCoral Dev BoardとCoral USBアクセラレータでデータを処理します。

カメラなどのセンサーに取り付けられたこのデバイスにより、開発者はオブジェクトのソートと識別、手の動きの追跡、顔検出のための製品を構築できます。

重要なのは、このプロセスはすべて、クラウドにデータを送信する必要なく、デバイス上で行われることです。

Googleは10月にCoralのベータ版を廃止し、11月にDebian 10 Busterに基づくMendelオペレーションシステムの新しいバージョンをリリースしました。

新しいCoral Accelerator Moduleは、米国の1セント硬貨よりも小さく、10mm x 15mmです。 このパッケージには、PCIeおよびUSBインターフェイスを公開するEdge TPU ASICが含まれており、開発者がカスタムのプリント基板設計と統合するのに役立ちます。

GoogleはCoral Accelerator ModuleまたはCoral Dev Board Miniの価格を明らかにしていませんが、2020年の前半に両方が利用可能になると述べています。

Googleはまた、Coralシステムオンモジュールのメモリオプションを拡張しました。これは、114ドルでスタンドアロンで購入できる接続可能なコンポーネントです。 SoMには、NXP IMX8M SoCを搭載したGoogleのエッジTPU、Wi-FiおよびBluetooth、メモリ、ストレージが含まれます。

Coral SoMは、以前は1GBのRAMでのみ使用可能でしたが、2GBおよび4GB LPDDR4 RAMで使用可能になりました。

Coral Dev Board Miniは、149ドルのCoral Dev Boardよりも小さく、安価で低電力の兄弟です。

新しいCoral Accelerator Moduleは、米国の1セントコインよりも小さいですが、Edge TPU ASICが含まれています。

Google Coral 海外代理店 Gravitylink

Google Coralシリーズのすべてのハードウェアデバイスが販売されています。（DevBoard, USB Accelerator, Mini PCIe Accelerator, M.2 Accelerator A+E/ B+M key, System-on-Module (SoM) ）

Google Edge TPU推論の概要

Edge TPUはTensorFlow Liteモデルのみと互換性があります。 そのため、TensorFlowモデルをトレーニングし、TensorFlow Liteに変換し、Edge TPU用にコンパイルする必要があります。 次に、このページで説明されているオプションのいずれかを使用して、Edge TPUでモデルを実行できます。(Edge TPUと互換性のあるモデルの作成の詳細については、Edge TPUのTensorFlowモデルをご覧ください。 https://coral.ai/docs/edgetpu/models-intro/）

Pythonで推論を実行する

Pythonを使用して推論を実行している場合、2つのオプションがあります。

TensorFlow Lite APIを使用します：

これは、TensorFlow Liteモデルを実行する従来のアプローチです。 データの入出力を完全に制御できるため、さまざまなモデルアーキテクチャで推論を実行できます。
TensorFlow Liteを以前に使用したことがある場合、Interpreterコードはごくわずかな変更を加えるだけでエッジTPUでモデルを実行できます。（詳細については、PythonでTensorFlow Liteを使用して推論を実行するをご覧ください。

https://coral.ai/docs/edgetpu/tflite-python/）

Edge TPU APIを使用します：

これは、TensorFlow Lite C ++ APIの上に構築されたPythonライブラリであるため、画像分類モデルとオブジェクト検出モデルを使用して、より簡単に推論を実行できます。

このAPIは、TensorFlow Lite APIの経験がなく、単に画像分類またはオブジェクト検出を実行する場合に役立ちます。入力テンソルの準備と結果の解析に必要なコードを抽象化するためです。 また、Edge TPUで分類モデルの高速転送学習を実行する独自のAPIも提供します。（詳細については、Edge TPU Python APIの概要をご覧ください。

https://coral.ai/docs/edgetpu/api-intro/）

C ++で推論を実行する

C ++でコードを記述したい場合は、他のプラットフォームでTensorFlow Liteを実行するのと同じように、TensorFlow Lite C ++ APIを使用する必要があります。 ただし、edgetpu.hまたはedgetpu_c.hファイルのAPIを使用して、コードにいくつかの変更を加える必要があります。 基本的に、Interpreterオブジェクトの外部コンテキストとしてEdge TPUデバイスを登録するだけです。（詳細については、「C ++でTensorFlow Liteで推論を実行する」を参照してください。

https://coral.ai/docs/edgetpu/tflite-cpp/）

Coral Acceleratorモジュールは、2020年初頭にCoral Webサイトで販売されます。Google Coral製品、および大量販売または大量販売（ボリュームディスカウント）の詳細に興味がある場合は、ようこそCoral 海外代理店 Gravitylink : https://store.gravitylink.com/global

Google EDGE TPUが農業を改善する方法

Coralは、ローカライズされたAIを使用して製品を構築する一連の開発デバイスです。 Coralを使用すると、デバイス上のAIアプリケーションのアイデアをプロトタイプから生産まで拡張できます。 Coralシリーズのハードウェアデバイスとコンポーネント、ソフトウェアツール、プリコンパイルモデルのプラットフォームを通じて、ローカルAIを使用して、効率的でプライベートなオフラインの人工知能製品を迅速に構築できます。

Edge TPU は予測メンテナンスや異常検出、マシンビジョン、ロボット工学、音声認識など、増え続ける産業ユースケースに使用できます。 また、製造、オンプレミス、ヘルスケア、小売、スマート スペース、交通機関などにも使用できます。

スマート農業
Local AIは、農業の高性能オフライン分析を提供します。これにより、土壌の質、植物の健康、および作物の収穫量が向上し、それによってより多くの食料を生産し、環境への影響を減らし、持続可能な農業慣行を達成できます。

国連食糧農業機関によると、世界の食糧生産の約3分の1が栽培によって無駄になったり失われたりしており、2018年には8億2,000万人以上の飢えた人々がいました。

世界の人々に食料の持続可能な供給を確保するために、生産者は、土地の侵食、栄養損失、温室効果ガスの排出などの環境への負の影響を減らしながら生産を増やす必要があります。

土壌分析
従来の方法で作物の成長状態を分析するには1か月以上かかります。 このような遅延は、不適切な植え付けと受精の時間につながり、作物の収穫量を減らし、さらには収穫を妨げます。

土壌データで訓練されたニューラルネットワークモデルと組み合わされたサンゴ設備は、ほぼリアルタイムの土壌状態分析を提供できます。 これは、農業対策のよりタイムリーな調整とタイムリーな播種につながります。

作物の選別
小規模農家にとって、農産物の品質を分類すると、販売価格が上がり、市場投入までの時間が短縮されます。 従来の手作業による作物の等級付けプロセスは時間がかかり、労働リソースを大量に消費します。

Coral機器を使用すると、ターゲット検出モデルを実行することで、より安価なモジュール式ソーターを構築できます。 このモジュール式の並べ替えは、農民が製品を簡単に並べ替え、迅速に市場に投入するのに役立ちます。

病気の検出
病気、害虫、環境情報などの植物の健康状態を正確に診断することは、生育状況を改善するための最初のステップです。

セマンティックセグメンテーションモデルは、葉と植物の特徴を複雑な背景から分離するのに役立ちます。 分類モデルと組み合わせて、Coralプラットフォームで実行すると、農家は野外病をリアルタイムで診断できます。

成長期およびさまざまな分野でこのデータを集約すると、モデルが改善され、それによって将来の作物の収穫量が増加し、害虫や病気のリスクが軽減されます。

精密農業
適切な時期に作物の受精、散水、および駆虫の介入を促進するために、精密農業では、作物の植え付け位置、成長状態、成長の進行などの情報を高度に理解する必要があります。 大規模ファームであろうと小規模ファームであろうと、この情報を追跡することは困難です。

CoralのローカルAIテクノロジーによって構築された作物状態監視ツールの助けを借りて、識別と分類のための機械学習モデルと組み合わせることで、農家は作物を識別し、介入をターゲットとする成長状態を評価できます。 農薬、肥料、除草剤の正確な使用など。

Edge TPU は、Coral のさまざまなプロトタイピング プロダクトと製品版プロダクトを使用して、エッジでの高品質な ML 推論のデプロイを可能にします。

エッジの ML 向け Coral プラットフォームにより、Google の Cloud TPU と Cloud IoT が強化され、エンドツーエンド（クラウドツーエッジ、ハードウェア + ソフトウェア）のインフラストラクチャを提供することにより、お客様の AI ベース ソリューションのデプロイが簡単になります。

Coral プラットフォームはオープンソースの TensorFlow Lite プログラミング環境のほか、完全なデベロッパー ツールキットを提供するので、各自のモデルをコンパイルするか、Edge TPU のために複数の Google AI モデルを保持して AI とハードウェアの両面における Google の専門知識を組み合わせることができます。

Edge TPU は、エッジで AI を実行するための CPU、GPU、FPGA などの ASIC ソリューションを補完します。

Google Coral 海外代理店 Gravitylink： https://store.gravitylink.com/global/

Google Coralシリーズのすべてのハードウェアデバイスが販売されています。（DevBoard, USB Accelerator, Mini PCIe Accelerator, M.2 Accelerator A+E/ B+M key, System-on-Module (SoM)    ）

Google Edge TPUが医療業界を構築

Google Coralシリーズのデバイスには、エッジでTensorFlow Lite MLモデルを実行するように設計されたASICチップであるエッジASICが搭載されており、低電力、高性能の機械学習推論を提供できます。 

Edge TPUは、予測メンテナンス、異常検出、マシンビジョン、ロボット工学、音声認識など、ますます多くの産業利用シナリオで使用できます。 製造、現地展開、ヘルスケア、小売、スマートスペース、輸送などのさまざまな分野で使用できます。 

小型で低消費電力ですが、優れたパフォーマンスを発揮し、エッジで高精度のAIを展開できます。 Edge TPUは、エッジでAIを実行するCPU、GPU、FPGA、およびその他のASICソリューションを補完します。

スマートメディカル
CoralのローカルAI機能は、より正確な診断を達成し、関連疾患を予防し、患者が医療費を効果的に削減するのに役立ちます。 また、エッジコンピューティングデバイスは、医療インフラが限られている人々にヘルスケアを拡張できます。

患者ケア
大規模な病院では、常に医師や看護師よりも多くの患者がいるため、1：1の監視は不可能です。 サンゴの機械学習対応のカメラとセンサーにより、医療スタッフは患者の転倒、運動不足、その他の行動などのリマインダーを受け取ることができます。
CoralはローカライズされたAIを提供するため、すべての機密データはローカルデバイスに保存され、患者のプライバシーを効果的に保護しながら患者のケアを改善します。

正確な診断
医用画像は、医師が診断するよりもはるかに多くの画像を生成します。 今後数年間、画像分類モデルは、医師がすべての病気をより迅速かつ正確に診断するのに役立ちます。

Coralの機械学習モデルは、人間の目では認識できない色とパターンを検出する機能を組み合わせており、モデルは病気の結果に関する履歴情報をよりよく理解します。 それらは、医療専門家が見逃される可能性のある潜在的に重要な病気の特徴を捉えることを効果的に助けることができます。

ローカルAIを備えたサンゴのデバイスは、医師が病気に関する重要な情報をより深く研究し、時間をより効率的にするためのフィルターとしても機能します。

低コストの診断
世界の5億人の糖尿病患者はすべて、その合併症失明に苦しんでいる可能性があります。 今日、専門家によるスクリーニングは、失明の糖尿病性網膜症のみを引き起こす可能性があります。

サンゴは、患者の眼球の画像をキャプチャし、既存のハードウェアでローカルに推論を実行する診断デバイスを構築するために使用できます。 これは、プライマリケアクリニックがこれらの重要な検査を実行できることを意味し、患者が病気のチェックを実行しやすくなります。

ホームケア
高齢者介護の重要なサービスは、薬が時間通りに服用されるようにすることです。

姿勢や視線の検出、薬物認識などのさまざまなAIモデルを実行することにより、Coralの家庭用機器は、患者に薬を服用させることを思い出させるだけでなく、医師が設定したスケジュールに従って処方薬を割り当てて、薬の安全性を確保することもできます。

昨年、GoogleはハードウェアコンポーネントとソフトウェアツールのこのプラットフォームであるCoralを立ち上げ、ローカルAI製品のプロトタイプ作成とスケーリングを容易にしました。 製品ポートフォリオには、Coral Dev Board、USB Accelerator、およびPCIe Acceleratorsが含まれ、これらはすべて36か国で利用できます。

Google Coral製品、および大量販売または大量販売（ボリュームディスカウント）の詳細に興味がある場合は、ようこそCoral 海外代理店 Gravitylink : https://store.gravitylink.com/global

Google Coral産業ソリューション： スマート製造

高速、低遅延、高精度
工業生産ラインの品質管理から人間と機械の相互作用のセキュリティ監視に至るまで、業界のEdge AIのユースケースにはさまざまなものがあります。これらのアプリケーションでは、精度を犠牲にすることなく、高速で低遅延の推論が必要です。 

2021年までに、主要メーカーの20％がスマートな組み込みデバイスに依存するようになります。

品質管理
特に高い精度が必要な場合、製造における品質管理は複雑になる可能性があります。一部のコンポーネントの欠陥は肉眼では見にくいか、まったく見えないため、品質検査のエラー率が非常に高くなります。 Coralコンピュータビジョン検査システムの助けを借りて、人間の視覚が届きにくいときに、生産ラインの故障や製品品質の問題を高精度で検出することができます。

業界のケーススタディ：LGがCoralを使用して生産品質の監視を完了する方法を学びます。

予知保全
生産ラインまたは重要な機械の故障は、生産効率の低下、高価なメンテナンスコスト、さらには壊滅的な生産事故につながる可能性があります。 Coralを使用すると、デバイスメーカーは、機能を組み合わせてマシンの動作を監視および分析し、今後の障害について早期警告情報を発行できます。予測メンテナンスは、生産ラインシステムに効果的な予測情報を提供して、突然の機械の故障による生産損失を回避できます。

業界のケーススタディ：Olea Edgeが水道会社の水道メーターの故障予測をどのように支援するかをご覧ください

労働者の保護
多くの作業現場の負傷は、次のような予防可能な事故によって引き起こされます。労働者が転倒し、重機や機械を見ない。サンゴのカメラ対応機器やその他のローカルセンサーを使用して、現場を監視できます。オペレーターは、労働者と協力する際に機械と車両の安全性を効果的に保証できます。

Google Coral製品、および大量販売または大量販売（ボリュームディスカウント）の詳細に興味がある場合は、ようこそCoral 海外代理店 Gravitylink : https://store.gravitylink.com/global