AIカメラ・YOLO技術の説明
YOLOとは？
画像の中から「何が・どこにあるか」を素早く検出
YOLO（You Only Look Once）は、画像やカメラ映像の中から、 人・車・製品などの対象物を検出するために利用される物体検出モデルです。
画像の中に何が写っているかだけでなく、 対象物がどこにあるかを枠で示しながら検出できるため、 カメラを使った監視・点検・ロボットなど、 さまざまな分野で活用されています。
1 YOLOはどのように物体を検出する？
カメラや画像から得られた情報をAIが解析し、 対象物の種類や位置を検出します。
画像を取得
カメラや保存された画像を入力します。
YOLOで解析
学習した特徴をもとに画像を解析します。
対象物を検出
対象物の種類と位置を判定します。
結果を活用
監視・停止判断・記録などへ利用できます。
2 YOLOのモデルと学習データ
YOLOを利用するときは、「どの大きさのモデルを使うか」と 「どの画像データをもとに学習するか」の両方が重要です。
モデルによって、処理速度や必要な計算性能が変わります
同じYOLO11でも、軽量なNanoモデルから大きなExtra Largeモデルまで 複数のサイズがあります。 一般的には小さいモデルほど軽く高速に動かしやすく、 大きいモデルほど処理負荷が増える一方で高い検出精度を狙いやすくなります。 用途や使用するPC・GPUなどに合わせて選択します。
YOLO11の主なモデルサイズ
| モデル | サイズ | 特徴 | こんな場合に |
|---|---|---|---|
| yolo11n.pt | Nano | 最も小さく軽量。高速処理しやすい | 処理速度や機器の負荷を抑えたい場合 |
| yolo11s.pt | Small | 軽量で、速度と精度のバランスを取りやすい | 比較的軽い構成で検出性能も確保したい場合 |
| yolo11m.pt | Medium | 速度と精度の中間的なモデル | バランスを重視したい場合 |
| yolo11l.pt | Large | モデルが大きく、より高い精度を狙いやすい | 処理性能に余裕があり精度を重視したい場合 |
| yolo11x.pt | Extra Large | 最も大きく、計算負荷も大きい | 高性能なGPUなどを使用し精度を重視する場合 |
モデル選びの目安： Nano・Smallは「軽さ・速さ」、Mediumは「速度と精度のバランス」、 Large・Extra Largeは「細かな対象や難しい検出」を重視する場合に向いています。 大きいモデルほど高い検出性能を狙いやすい一方、処理負荷も大きくなるため、 用途や使用する機器に合わせて選択します。
何を検出できるかは「学習データ」によっても変わります
AIは、学習した画像やラベルをもとに対象物を認識します。 そのため、使用するデータセットによって、 登録されている物体の種類（クラス数）や画像の特徴が異なります。
人、車、自転車、犬、椅子、ボトルなど、 日常的な物体を幅広く含む代表的なデータセットです。 YOLO11の標準的な物体検出モデルにも利用されています。
ドローンから撮影した画像が中心で、 人や車両など小さく写る対象物を含みます。 上空からの監視や小物体検出の検証に適しています。
人、車、家具、生活用品など、 非常に多くの物体カテゴリーを含む大規模データセットです。 幅広い対象物の学習に利用されます。
Googleが公開する大規模画像データセットです。 多数の物体カテゴリーを含み、 幅広い対象の物体検出などに利用されています。
3 YOLOでできること
物体を見つけるだけでなく、 カメラ映像を利用したさまざまな判定につなげることができます。
物体を検出
人・車・部品・設備など、 学習した対象物を画像の中から検出します。
個数を数える
映像内に存在する対象物を検出し、 数量の把握などに利用できます。
対象を追跡
動画と組み合わせることで、 検出した対象の移動を追跡できます。
監視・判定
特定エリアへの侵入や対象物の有無など、 設備監視への応用が可能です。
4 画像分類・物体検出・YOLOの違い
「画像認識」と一言でいっても、 何を判定したいかによって方法が異なります。
画像分類
画像全体を見て、「犬の画像」「車の画像」など、 画像が何を表しているかを分類します。
物体検出
画像の中に「何があるか」に加えて、 「どこにあるか」まで検出します。
高速な物体検出
YOLOは物体検出に利用されるモデルの一つで、 リアルタイム映像への応用にも適しています。
5 YOLOのメリットと導入時のポイント
メリット
- 画像・映像から対象物を素早く検出できる
- 複数の対象物を同時に検出できる
- リアルタイム監視への応用がしやすい
- 用途に合わせた対象物を学習させることができる
導入時に確認したいこと
- 対象物を学習するための画像データ
- 明るさ・角度・距離などの撮影環境
- 対象物の大きさや似た物体との違い
- 必要な処理速度や使用するハードウェア
6 YOLOの活用シーン
カメラを利用するさまざまな設備・システムへの応用が考えられます。
製造現場
部品・製品の有無確認や個数確認、 作業状況の把握など。
設備監視・点検
設備や対象物をカメラで確認し、 巡回監視や点検を支援。
ロボット
移動ロボットのカメラ映像から対象物を検出し、 判断に利用。
安全監視
人や車両などを検出し、 危険エリアへの接近監視などに活用。
物流・搬送
荷物や搬送物の確認、 数量把握などへの応用。
屋外監視
カメラ映像から車両や対象物を検出し、 遠隔監視を支援。
7 B&PLUSでのYOLO活用・検証
移動ロボット × カメラ × AI画像認識
B&PLUSでは、レール上を走行するロボットにカメラを搭載し、 YOLOなどの画像認識技術を組み合わせた検証を進めています。
ロボットによる巡回と画像認識を組み合わせることで、 設備や対象物の確認など、これまで人が行っていた監視・点検作業を 支援する仕組みを検討しています。
AI画像認識・YOLOを活用したシステムについてご相談ください
カメラによる物体検出や設備監視、ロボットとの組み合わせなど、 用途に合わせたAI画像認識システムの検討・ご相談を承ります。
技術相談・お問い合わせ
Copyright © B&PLUS K.K.ALL Rights Reserved