弊社が運営する技術メディア「SCI-Navi」にて、新たな技術解説記事を公開いたしました。
▼記事リンク
物体検出や分類のための野菜の画像データセットまとめ（2024年2月17日時点ver. 3）
■ 本記事の概要と「状態変化」を捉える技術
野菜・果物の画像データセットレビュー第3弾となる本記事では、「作物の鮮度（保存期間）の分類」や「袋に入った状態での検出」といった、より実環境の課題に近いデータセットについて専門家の視点で考察しています。 AI開発において、対象物の「時間の経過に伴う状態変化（劣化）」を正確に分類したり、環境による「ノイズ（袋などの遮蔽物）」を排除して対象を捉える技術は、極めて難易度が高く、かつ現場実装に不可欠な要素です。
■ 弊社の「異常検知・時系列データ解析」への応用
弊社では、こうした多様なデータを通じた研究開発（R&D）を継続的に行い、複雑な事象を数理的に捉える技術基盤を構築しています。
この「ノイズを排除し、微細な状態変化を捉える」という解析アプローチは、画像分野（戦略的データ活用コンサルティング『SHINRA』）に留まらず、弊社の主力事業であるセンサーを用いた時系列データ解析において強力な強みを発揮しています。
- 設備故障の事前予防診断『MITERAS』
- 狭小空間の害虫モニタリング『G-SENSIA』
これらのサービスでは画像は使用せず、各種センサから得られる膨大な時系列情報を構造化しています。現場特有の環境ノイズを数学的に除去し、「普段と異なる微細な振動の乱れ（故障の予兆）」や「温度変化を伴う異常（害虫の発生）」を高精度に検知・レポーティングすることが可能です。
■ データ解析・異常検知に関するご相談
「既存のシステムでは、工場の環境振動（ノイズ）が多くて故障予兆が検知できない」 「画像だけでなく、センサーの時系列データを活用して高度な保全体制を築きたい」 といった課題をお持ちの企業様は、弊社にぜひご相談ください。事象のメカニズムに基づいた、本質的なデータ解析をご提案いたします。
▶ [ご相談・お問い合わせはこちら（※お問い合わせページへのリンク）]