株式会社ベストスキップのロゴ
課題から探す/最新テクノロジー活用

エッジカメラ・VLMを活用した業務効率化

クラウドに全部送らない、映像AIの形へ。

エッジ側で映像理解まで完結させ、必要なメタデータだけクラウドへ。低遅延・低コスト・プライバシー配慮の現場AIを構築します。

01

お客さまの課題

  • Case 01

    映像をクラウドに送り続けると、通信コストが膨らむ

    常時アップロードでネットワーク帯域とクラウド費用がボトルネックになる。

  • Case 02

    通信が不安定な現場では、リアルタイム処理が成立しない

    トンネル・山間部・工場内など電波の弱い場所で、クラウドAIが使えない。

  • Case 03

    個人情報を含む映像の取扱いに不安が残る

    クラウドへ送る前提だと、プライバシーや社内ポリシーで導入が止まりやすい。

  • Case 04

    用途ごとにカメラ・基盤を作り直している

    見守り・検品・分析と用途が増えるたびに、別システムが乱立していく。

02

ソリューション

エッジで「見て理解する」→ クラウドへは結果だけ送る。

  • 施設の天井に設置されたエッジAIカメラと、脇の小型エッジ機器のクローズアップ写真
    Step 01

    エッジ推論で低遅延 ・ 低コスト

    カメラ側のエッジAIで人物検出・行動推定・物体検出までを完結。映像はクラウドへ送らず、結果メタデータだけを連携します。

  • エンジニアがデュアルモニターで、カメラ映像とAI生成の状況説明テキストを並べて確認する写真
    Step 02

    VLMで「映像 → テキスト」へ変換

    転倒・接客・点検などのシーンを、VLMが状況説明テキストに変換。事故報告書・営業記録・点検レポートを自動で起こせる状態にします。

  • サーバーラック前でエンジニアがノートPCでエッジゲートウェイの設定を確認する写真
    Step 03

    必要なメタデータだけクラウドへ

    生映像ではなく、検知イベント・スコア・要約テキストだけをクラウド連携。通信費とプライバシーリスクを同時に抑えます。

  • 壁に並ぶ複数機種のカメラが1台のエッジ機器に集約されている写真
    Step 04

    カメラ機種に依存しないモデル設計

    既設カメラ・新設エッジカメラを混在させても動くよう、モデル・パイプラインを抽象化。導入後の機器変更にも追従できます。

主な構成要素

  • 01エッジAIカメラ ・ 推論ランタイム
  • 02物体検出 ・ 姿勢推定 ・ 行動推定モデル
  • 03VLM(Vision Language Model)
  • 04メタデータ送信 ・ クラウド集約基盤
  • 05管理ダッシュボード ・ アラート通知
  • 06プライバシー保護(シルエット化等)
04

関連ユースケース

Tech StackNVIDIA Jetson / 各社エッジSoCPyTorch / TensorRTVLM(GPT-4o / Gemini / OSS VLM)MQTT / WebRTCNext.js(管理 UI)AWS / Azure / さくらクラウド