You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "3764e089adf2d5801272bc0895f8498b",
"translation_date": "2025-08-24T21:19:44+00:00",
"source_file": "4-manufacturing/README.md",
"language_code": "ja"
}
-->
# 製造と加工 - IoTを活用して食品加工を改善する
食品が中央ハブや加工工場に到着すると、必ずしもすぐにスーパーマーケットに出荷されるわけではありません。多くの場合、食品は品質による仕分けなど、いくつかの加工ステップを経ることになります。このプロセスは以前は手作業で行われていました。例えば、畑では収穫者が熟した果物だけを摘み取り、工場では果物がコンベヤーベルトに乗り、従業員が傷ついたり腐った果物を手作業で取り除いていました。私自身、学校の夏休みのアルバイトでイチゴを収穫し仕分けした経験がありますが、これは楽しい仕事ではありません。
より現代的な仕組みでは、仕分けにIoTが活用されています。初期のデバイスの一例として、[Weco](https://wecotek.com)の仕分け機は光学センサーを使用して農産物の品質を検出し、例えば青いトマトを除外します。これらは農場の収穫機や加工工場で導入することができます。
人工知能（ ） （ ）
> 🎓 *MLモデル*という用語は、機械学習ソフトウェアをデータセットで訓練した結果を指します。例えば、熟したトマトと未熟なトマトを区別するMLモデルを訓練し、新しい画像に対してそのトマトが熟しているかどうかを判定することができます。
これらの4つのレッスンでは、果物の品質を検出する画像ベースのAIモデルを訓練する方法、IoTデバイスでこれらを使用する方法、そしてクラウドではなくIoTデバイス上でこれらを実行する方法（ ）
> 💁 これらのレッスンではいくつかのクラウドリソースを使用します。このプロジェクトのすべてのレッスンを完了しない場合は、必ず[プロジェクトをクリーンアップ](../clean-up.md)してください。
## トピック
1. [果物の品質検出器を訓練する ](./lessons/1-train-fruit-detector/README.md )
1. [IoTデバイスで果物の品質を確認する ](./lessons/2-check-fruit-from-device/README.md )
1. [エッジで果物検出器を実行する ](./lessons/3-run-fruit-detector-edge/README.md )
1. [センサーから果物品質検出をトリガーする ](./lessons/4-trigger-fruit-detector/README.md )
## クレジット
すべてのレッスンは[Jen Fox](https://github.com/jenfoxbot)と[Jim Bennett](https://GitHub.com/JimBobBennett)によって♥️を込めて作成されました。
** 免責事項**:
この文書は、AI翻訳サービス [Co-op Translator ](https://github.com/Azure/co-op-translator ) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があることをご承知おきください。原文（元の言語で記載された文書）が公式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いません。
