ハードウェア構成

ChatGPTの回答と『Interface 2026年10月号』などを参考に、次のような構成を考えました。

本体：Raspberry Pi 5・8GB／システム全体の制御

AIアクセラレータ：AI HAT+ 13 TOPS／YOLOの推論処理

カメラ：手持ちのUSBカメラ／映像の取得

冷却：Raspberry Pi 5 Active Cooler／長時間動作時の発熱対策

ストレージ：64GB以上のmicroSDカード／OS、プログラム、ログの保存

電源：公式27W USB-C電源／Raspberry Pi 5の安定動作

無線：Raspberry Pi 5内蔵Wi-Fi／認識結果の送信

Raspberry Pi 5に「Raspberry Pi AI HAT+」を搭載すると、Hailo製のAIアクセラレータを利用して、物体検出などのAI推論を高速に実行できるようです。

これはAIモデルを学習させるための装置ではなく、学習済みのAIモデルを使って判定する「推論処理」を高速化するための装置です。

Raspberry Pi 5とUSBカメラはすでに持っているため、今回はAI HAT+だけを追加購入しました。

Amazonで購入したところ、13 TOPS版の価格は購入時点で15,650円でした。

https://www.amazon.co.jp/dp/B0DPLQ9TB9

26 TOPS版もありますが、価格が高いため今回は見送りました。カメラ1台と軽量なYOLOモデルを使った物体検出であれば、まずは13 TOPS版で十分と判断しました。

今後、複数のカメラや複数のAIモデルを同時に使用する場合は、26 TOPS版が必要になるかもしれません。

ソフトウェア構成

現時点では、次のソフトウェアを使用する予定です。

Raspberry Pi OS 64-bit：基本OS

Video4Linux2・OpenCV：USBカメラからの映像取得

HailoRT：AI HAT+の制御

YOLO：人、車、動物などの物体検出

ByteTrack：同じ物体を継続して追跡

Python：滞在時間の計算とシステム制御

OpenCV：映像処理と検出枠の表示

MQTT：認識結果の無線送信

SQLiteまたはCSV：検出結果と送信待ちデータの保存

当初はPicamera2とlibcameraの使用を考えていましたが、今回は手持ちのUSBカメラを使うため、Video4Linux2とOpenCVを中心に構成します。

将来、Raspberry Pi Camera Moduleに変更する場合は、Picamera2とlibcameraを使用する予定です。

YOLOとは

YOLOは、カメラ映像や静止画に映っている物体を検出するためのAIモデルです。

単に「人が映っている」と判定するだけでなく、画像内のどの位置に存在するかを四角い枠で示すことができます。

一方、YOLOだけでは、連続する映像に映っている人物が同じ人物かどうかを管理するのは困難です。そこでByteTrackなどの追跡処理を追加し、検出した物体ごとにIDを割り当てます。

同じIDが指定した範囲内に存在している時間を計測することで、滞在時間を求めます。

使用する推論モデル

最初は、Hailo向けに変換済みの軽量YOLOモデルを使用するのがよさそうです。候補には次のようなモデルがあります。

• YOLOv8n

• YOLOv8s

• YOLOv11n

• YOLOv5s

モデル名の末尾にある「n」は「nano」を表します。処理が軽いため、最初の動作確認に向いています。

HailoのAIアクセラレータでモデルを実行するには、通常、学習済みモデルをHailo用のHEF（Hailo Executable Format）形式に変換する必要があります。

ただし、最初から自分で変換するのは難しそうです。そこで、まずはHailo Model Zooやサンプルプログラムで提供されている、変換済みのモデルを使用します。

独自モデルの学習やHEF形式への変換は、基本的な物体検出が動作してから挑戦する予定です。

最初から何を判別できるのか

一般的なCOCOデータセットで学習されたYOLOモデルでは、約80種類の物体を検出できます。例えば、次のような物体です。

• 人

• 自動車

• 自転車

• バイク

• バス

• トラック

• 犬

• 猫

• 椅子

• バッグ

• ペットボトル

これらは、自分で撮影データを集めて学習させなくても、学習済みモデルを使うことで検出できるようです。ここまでが最初から用意されているのは、ありがたいところです。

ただし、特定の電子部品、工具、製品型番など、COCOに含まれていない物体を検出するには、画像を収集して独自モデルを学習させる必要があります。

まずは既存モデルで人や車、身近な物体を検出し、YOLOとAI HAT+の使い方を理解することから始めます。

無線で送信する情報

最終的には、映像そのものではなく、次のような情報だけを送信する予定です。

{

"device_id": "camera-01", 

"object_id": 3, 

"class": "person", 

"confidence": 0.92, 

"entered_at": "2026-09-03T14:20:10+09:00", 

"left_at": "2026-09-03T14:21:02+09:00", 

"dwell_seconds": 52,

 "zone": "entrance"

 }

この程度のデータ量であれば、映像をそのまま送信する場合と比べて通信量を大幅に削減できます。

最初はRaspberry Pi 5の内蔵Wi-Fiを使用します。その後、動作が確認できた段階で、802.11ahなどの長距離無線を使ったホップ通信へ発展させたいと考えています。

2026年9月3日((記)

今後の予定

1. Raspberry Pi 5へAI HAT+を取り付ける

2. Raspberry Pi OSからAI HAT+が認識されることを確認する

3. CSIカメラの映像を表示する

4. Hailoのサンプルプログラムを実行する

5. YOLOで人や車などを検出する

6. ByteTrackで同じ物体を追跡する

7. 指定範囲内での滞在時間を計測する

8. MQTTを使って認識結果を送信する

9. Wi-Fiから802.11ahへ通信手段を変更する

今回は、実現したい内容と、必要になるハードウェア・ソフトウェア・推論モデルを整理しました。

次回は、Raspberry Pi 5へのAI HAT+の取り付けと、OSから正常に認識されるところまで確認してみます。