# Luxonis OAK その [Luxonis OAK（OpenCV AI Kit）](https://shop.luxonis.com/) は、組み込みコンピュータビジョンシステムのデプロイによく使われるエッジデバイスです。 OAKデバイスは、下流アプリケーションの動作を駆動するホストマシンと組み合わせて使用します。参考になる面白い事例として、 [Luxonisのユースケース](https://docs.luxonis.com/en/latest/#example-use-cases) と [Roboflowのケーススタディ](https://blog.roboflow.com/tag/case-studies/). **をご覧ください。** ちなみに、まだOAKデバイスをお持ちでない場合は、 [Roboflow Storeから購入](https://store.roboflow.com/) して10%割引を受けることができます。 ### タスクサポート ホストされたAPIでは、以下のタスクタイプがサポートされています: | タスクタイプ | Luxonis OAK Deploymentでサポート | | --------------------------------------------------------------------------------------------------------------------------------------- | --------------------------- | |

Object Detection:

| ✅ | | 分類 | | | インスタンスセグメンテーション | | | セマンティックセグメンテーション | | ### Luxonis OAKにModelをデプロイする #### サポートされるLuxonisデバイスとホスト要件 Roboflow Inference Serverは以下のデバイスをサポートしています: * OAK-D * OAK-D-Lite * OAK-D-POE * OAK-1（深度なし） #### インストール 以下をインストールします `roboflowoak`, `depthai`、および `opencv-python` パッケージ: ```python pip install roboflowoak pip install depthai pip install opencv-python ``` これで、 `roboflowoak` パッケージを使って、独自に学習したRoboflowモデルを実行できます。 #### 推論の実行: デプロイ Depth機能のないOAKデバイスにデプロイする場合は、 `depth=False` を指定して、 `rf` オブジェクトをインスタンス化（作成）してください。Depth付きのOAKにはモデル名の末尾に「D」が付きます。つまり、OAK-DとOAK-D-Liteです。 また、以下をコメントアウトしてください `max_depth = np.amax(depth)` と `cv2.imshow("depth", depth/max_depth)` ```python from roboflowoak import RoboflowOak import cv2 import time import numpy as np if __name__ == '__main__': # RoboflowOakモジュールでオブジェクト（rf）をインスタンス化 rf = RoboflowOak(model="YOUR-MODEL-ID", confidence=0.05, overlap=0.5, version="YOUR-MODEL-VERSION-#", api_key="YOUR-PRIVATE_API_KEY", rgb=True, depth=True, device=None, blocking=True) # モデルを実行し、検出結果付きでビデオ出力を表示 while True: t0 = time.time() # rf.detect()関数がモデル推論を実行します result, frame, raw_frame, depth = rf.detect() predictions = result["predictions"] #{ # predictions: # [ { # x: (middle), # y:(middle), # width: # height: # depth: ###-> # confidence: # class: # mask: { # ] #} #frame - 前処理後のフレーム。予測結果付き #raw_frame - OAKからの元のフレーム #depth - raw_frame用の深度マップ。中央カメラに合わせて中心整列済み # timing: ベンチマーク用 t = time.time()-t0 print("FPS ", 1/t) print("PREDICTIONS ", [p.json() for p in predictions]) # 深度計算用のパラメータを設定 # DepthのないOAKを使っている場合は、以下の2行をコメントアウトしてください max_depth = np.amax(depth) cv2.imshow("depth", depth/max_depth) # ビデオフィードを連続フレームとして表示 cv2.imshow("frame", frame) # OAK推論ウィンドウを閉じる / 推論を停止する方法: CTRL+q または CTRL+c if cv2.waitKey(1) == ord('q'): break ``` 下のコードを入力してください（プレースホルダーテキストをPythonスクリプトのパスに置き換えた後） ```python # ウィンドウを閉じるには（中断または推論終了）、キーボードでCTRL+cを入力してください python3 /path/to/[YOUR-PYTHON-FILE].py ``` Apple Macbook Air（M1）をホストデバイスとして使用した場合の推論速度（ミリ秒）は、平均で約15 ms、つまり66 FPSでした。 ***注意**: OAKで使用するホストデバイスはFPSに大きく影響します。システムを作成する際はこれを考慮してください。* #### トラブルシューティング OAKデバイスのセットアップで問題が発生している場合は、Luxonisのインストール手順を確認し、RGBの例を正常に実行できることを必ず確認してください。 [Luxonis installation](https://docs.luxonis.com/en/latest/#demo-script). また、 [Roboflow Forum](https://discuss.roboflow.com/). ### 関連情報 * [Luxonis OAKのステップバイステップセットアップガイド](https://blog.roboflow.com/opencv-ai-kit-deployment/) * [M1 Chip使用時のインストール問題 · Issue #299 · luxonis/depthai · GitHub](https://github.com/luxonis/depthai/issues/299) （depthai SDK） --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.roboflow.com/roboflow/roboflow-jp/deploy/sdks/luxonis-oak.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.