概要
- レーダーを使ったアスベスト検出デバイス の開発ストーリー
- IWRL6432 + ESP32 を用いたプロトタイプ設計と実装
- 材料分類AI とビームフォーミングによる高精度判定
- 資金不足によるプロジェクト中断 の経緯
- ハードウェアスタートアップで得た教訓 のまとめ
レーダーでアスベストを検出するプロジェクトの全貌
- 欧州におけるアスベスト問題 への対応策として、壁や建材に含まれるアスベストを非破壊で検出するデバイス開発
- 従来手法 ではサンプル採取・ラボ分析・中間業者介在による高コスト構造
- 材料科学・波動物理学 の知見を活かし、FMCWレーダーで材料特性を抽出するアプローチ
- IWRL6432 BOOST （Texas Instruments製）と ESP32 開発ボードを組み合わせた迅速なプロトタイピング
- DSPアルゴリズム を用いて材料の電磁応答を解析するテストベンチ構築
デジタル信号処理（DSP）チェーンの詳細
- FMCWレーダー によるチャープ信号発生と特性評価
- 受信エコーと送信チャープのミキシング によるビート信号生成
- Range FFT による距離ごとの反射エネルギー算出
- Caponビームフォーミング（MVDR） でMIMO RXアレイの到来角解析
- 各距離・角度ごとの密度スペクトル（材料の電磁指紋）を生成
- ニューラルネットワーク（CNN） によりスペクトルから材料分類
AIモデルと機械設計・RF設計
- AI（CNN） が材料の電磁特性（ε', ε''）を学習し、材料クラスを出力
- 機械設計 では開発ボードを中心に筐体を設計し、RF特性を最適化
- アンテナ設計 はOpenEMSによるFDTDシミュレーションを活用
- TX→RX伝達関数を抽出し、チャープ信号の伝播・反射・受信を模擬
- ガウシアンパルス を用いた安定的な伝達関数測定
- Bodeダイアグラム でチャープと伝達関数の畳み込みにより受信信号を再現
アスベスト検出の実証・データセット
- アスベスト混入材料 の電磁特性変化をレーダーで検出可能かを検証
- ビームフォーミングスペクトル を用いて材料分類器を訓練
- マルチレイヤー材料 での分類精度を評価
- データセット は各クラスごとに500KB規模、様々な環境・角度で収集
- 分類クラス例 ：
- wood_alu, wood_book, wood_stone, wood_plastique, stone_alu, stone_wood, stone_book, stone_plastique, stone_plexiglas
資金不足による中断とスタートアップの教訓
- POC（概念実証） は完成したが、顧客からのLOI（意向表明書）獲得に失敗
- 実機を手に取るまで契約しない、欧州規格クリア必須などの障壁
- プロトタイプで木材・銅・アルミ・プラスチック等の分類に成功
- 組込ファームウェア開発・製品設計・スタートアップ運営の経験値向上
ハードウェアスタートアップで得た知見
- 需要検証の重要性 ：開発前にプリオーダーで顧客の支払意欲を測定
- Stripe等での返金可能な予約システム導入推奨
- ランチ動画制作で早期顧客獲得
- プロトタイピングは開発ボード活用、不要部品は早期切り捨て、設計は徹底的にリーン化
- 3D筐体設計はエレクトロニクス中心で、PCB製作はリードタイムに注意
- OTAアップデート可能な設計、後方互換性維持で顧客フィードバックに柔軟対応
- RF領域は難易度が高い ため、オープンソースツールの活用を推奨
- 例：OpenEMS（Ansys HFSSのオープンソース代替）
まとめ
- ハードウェア起業は困難だが、技術・経験・教訓の宝庫
- RF設計・AI活用・プロトタイピングの実践知
- 資金調達・顧客検証・規格対応の重要性
- オープンソースツールやリーン開発の有効性
- 今後の挑戦への足掛かりとなる経験値