「味わうテレビ」を明治大学教授が開発！？

もう来年のイグノーベル賞は、これに決定じゃないかと。

明治大学の宮下教授が、「味わうテレビ」を開発しました。

「アダルトサイトが欲しがる技術かもよ」「また日本が変なことしてるよ」 世界をザワつかせた明治大学・宮下芳明教授の「味わうテレビ（TTTV）」 ｜ ガジェット通信 GetNews

つまり、人の五感の一つである「味覚」を伝えるテレビモニターってことのようです。

もはや、何のことだかわかりませんが、上の動画を見ていただければその意味が分かっていただけるかと思います。

画面に映し出されたものの味を再現し、その味を確かめることができる、というモニターなんだそうです。

ええ、つまり画面をですね、なめるんですよ。

もはや、衝撃を通り越して、笑劇的です。

ちなみに、このモニターの表面はロール式のフィルムになっていて、なめるたびに交換されるようです。

いやあ……素晴らしすぎて、言葉が出ませんね。

とうとう、味覚まで伝えられる時代になったのかと、感動ものです。

が、使いたいかと問われると、やはりお断りしたいですね。さすがにですねぇ、画面をなめることには、抵抗があります。

なお海外の反応も上々のようです。別の意味で。

これがこの先、どういう展開を招くのか？個人的には、とても興味あります。

「おいしさ」の錯覚　最新科学でわかった、美味の真実 (角川書店単行本)

新型コロナウイルスを検出できる半導体センサー

技術は進むものです。

半導体センサーで新型コロナウイルス検出　デンソーなど開発 - ITmedia NEWS 

新型コロナウイルスを検出できる半導体センサーが開発されたそうです。

まさか、空気中に漂う新型コロナウイルスを探知できる！？などと思いきや、そういうものではなくて、この記事を読む限りではPCR検査や抗原検査などのように、採取した体液をセンサーに浸して捉えるというもののようです。

だから、

「センサーに感！2時方向、ウイルス多数！距離20！」

「全砲門開け！対ウイルス戦用意！」

「了解！対ウイルス戦用意！艦橋、CIC！抗ウイルス砲、射撃用意！」

などという中二病チックな展開は望めないようです。

何にせよ、早く人類が新型コロナウイルスに勝利し、今の状況が改善されることを願います。

【Amazon.co.jp限定】 コロナ・エキストラ ボトル [ メキシコ 355ml×8本 バケツ付きセット ] [ギフトBox入り]

怪しいパルスオキシメーター買ってみたんですが……

パルスオキシメーターなるものを買ってみました。

最近、妻がうるさいんですよ。パルスオキシメーターがいるんじゃないか、と。

いや、いくらなんでもマ〇ゴミに踊らされ過ぎなんだよ……って思ってたんですが、これをAmazon見てたらつい、ポチってしまいました。

で、届いたのはこれ。お値段はなんと、1700円ほど。

相場的には、かなり安い。安過ぎる。

値段もあれですが、他にも怪しい要素が盛りだくさん。

・ 「日本製」って書いてあるのに、どう見ても海外からから発送したと思われる(届くのに10日かかった)

・ そのくせ、本体や箱には「made in 〇〇」という表記がどこにもない

・ Amazonの写真と届いたものの写真が、若干違う(電源ボタンの辺り)

・ 3年保証ってあるけれど、どこにも保証書がない

・ Amazonのサイトのこの製品ページにやたらめったらと「弊社製品の詐欺商品にご注意」と書かれている

・ そのくせ、レビュー点数が低い(逆に言えば、サクラはいない模様)

なお、佐川急便が運んできましたが、そこで追跡できたのは関東の集荷場からで、それ以前にどこから運ばれてきたかは全く書かれていません。

でも、国内発送で10日もかかりますかねぇ……発送元ロンダリングの香りがします。あやしい。

いかにも日本製っぽい表記の箱なんですが、ほんと、どこにも〇〇製って表記がないんです。

側面には「標準価格15800円」って書いてましたが……ほぼ、10分の1の価格ですね。

なお、中身はこれだけ。

取説、電池、本体、そして保管用の袋。

保護シールっぽいものが貼ってありますが、こいつが何を保護しているのか、さっぱり分かりませんでした。

本当に、ここに貼ってあったんです。

闇が深いですね、この製品。ワクワクします。

なお、センサーはこの通り、上下2か所についてます。

パルスオキシメーターって、指を置くまで突っ込んで、上のセンサーには爪が、下のセンサーには指の腹が当たるようにしないと、ちゃんとした値が出ないそうです。まあ、まともなパルスオキシメーターならば、ですが。

てことで、電源オン。

しばらくすると、Finger Outって表示が出てくるので、その時に指を突っ込みます。

何度かチャレンジして、ようやくそれっぽい値が出てきました。

これが酸素飽和度とすると、95～98くらいが正常だそうです。

が、わりと90～97の間をうろついてました。

なお、本当に「90」だと、通常の医者がビビるレベルだそうです。

ただ、指の挿し込み方をしっかり守れば、96、7の値を返してきました。

一見すると、まともな挙動ですね。

どこまで信用できるのか、FDAの認証済みっぽいことが表記されてます。

〇〇製とは、まったく書いてませんけど。

てことで、個人的には「中〇製品の闇を暴く！」くらいのつもりで買ったんですけど、そもそも中〇製かどうかも分からず、しかも予想以上にまともな挙動を示したため、闇を暴けませんでした。はい。

かといって、とても信頼できそうにないので、まあ、なんていうんでしょうか……気休めですね。そういう用途で使う分にはいいかと思いました。

実際、妻はこれで満足してしまいました。まあ、本当にこういうものが必要となったら、その時は医療機関で測ればいいわけですし。たいして害にはならんでしょう。

マス〇ミの過剰報道に心をダンスさせられて落ち着かない人なら、これで十分かと思います。

医）日本製 3年保証 パルスオキシメーター パルキシープラスEC100E(パステルグリーン)【3年保証】 [特定保守管理医療機器]

トヨタ博物館へ行ってきました

何年ぶりですかね。かなり久しぶりに、トヨタ博物館へ行きました。

なお、我が家から車で20分ほどのところ。

入場すると、このトヨダAA型に迎えられます。

「トヨタ」じゃないです。「トヨダ」です。鼻先についているエンブレムにも「TOYODA」と書かれています。

トヨタ、当時の豊田自動織機の自動車部が最初に作ったとされる乗用車です。

ちなみに、実物はもうないらしく、これはレプリカですが。

で、このトヨダAA型の正面にあるエスカレーターを登って、2階へ行きます。

ここは、自動車の黎明期の車がずらりと並んでます。時代的に、馬車から自動車へ移行しつつある時代ですね。

当然ですが、ほぼ外車です。

こんな車もありました。競技用車ですね。ブガッティだそうです。こんな時代からあったんですね、この名前。元々は技術者の名前だそうです。

さて、このトヨタ博物館の不思議の一つ。一体、どうやってこんな車を入手したのか？という車がですね、あまりに多すぎるんです。

例えば、これ。なんだ、フォルクスワーゲン・ビートルじゃないか……いえ、残念、これ、KdFビートル、1942年製です。

この車、当時のヒットラーが国民向け乗用車として開発させた車として知られてます。しかし量産されたのは第二次世界大戦後のこと。

それ以前のモデルって、あるにはあるんですね。一応、レプリカとは書かれていないので、本物だと思われるんですが……

こんな車もありました。

これ、ルーズベルト大統領専用車、だそうです。

しかし、どうやって手に入れたの？こんな車。

ここには、もう一台のトヨダAA型もあります。もちろん、これもレプリカ。

中のエンジンを拝むことができます。確かこれ、当時のシボレー製1500ccのエンジンをコピーして作ったといわれています。

もっとも、そのたかがコピーを作るのも大変だったようですね。エンジンの鋳造技術って、結構シビアですから。

これを見ると私はどうしても「となりのトトロ」でとあるカップルが乗っていた車というイメージがあります。

オート三輪ですね。バイクと車の中間のような車両。その名も「ダイハツ号」です。

2階のエンドはこれ。

メルセデスベンツ 300SL。

石原裕次郎の愛車で有名な車、らしいです。私はよく知りませんが。

派手なガルウィングが特徴です。

3階へ行くと、今度は国内の戦後の車シリーズです。

出迎えるのはこれ、初代クラウン。正確には「トヨペット・クラウン」です。

あまり知られてませんが、同時に開発された「トヨペット・マスター」という車もあって、そっちが板バネ車だったのに対し、こちらはコイルスプリングを採用した車。で、こっちが生き残ったので、クラウンという名前が未だに残っているようです。

もっとも、戦後すぐは外車、または海外メーカーのOEM生産をやってた時代。日野ルノーやらいすゞのヒルマンミンクスなどもあったんですが。

こんな車が、いつの間にか追加されてました。

BMWイセッタです。

ちなみに、前側がドアです。

これでBMWです。今じゃ考えられないくらい、小型の車ですね。

これのレプリカ(というか、オマージュ)な車が、EV車として作られているようですね。

当時は日本メーカーは、こんな感じの車を作ってました。

真ん中のあの一つ目の車は、一度見たら忘れらせません。なお、「フジキャビン 5A型」というそうです。

個人的には、その向こうにある自転車のような車輪の「フライングフェザー」も大好きですが。

で、時代が進むと、こんな車が。

パブリカなどもありますが、やっぱり目を引くのはこれ。

刺さる人には刺さるこの車。

てんとう虫こと、スバル360です。

こいつがまさに、自動車を大衆車に変えていったきっかけです。

なお、私の親父は、この車が欲しかったそうです。広島よりの山口県に住んでましたからね。

マツダのキャロルです。なお、この車が売られていた中古車屋を最近、見ました。

トヨタ博物館ですから、これは外せない車ですね。ヨタ8こと、トヨタスポーツ800。

これ、2気筒エンジンなんですよね。ごくまれに、豊田市内で走ってるとこ見ます。

ちなみにトヨタ博物館には2000GTが5台あるそうです。ここにはおいてませんが、オープン仕様のボンドカーに、いわゆる谷田部仕様と言われるスピードトライアル車(レプリカ)等。

500台限定のレクサスLFAは、もちろんあります。トヨタ博物館ですから。

実際に奏功したところに出くわしたことがあるんですが、これのエンジンサウンドは、なかなかいいです。トヨタ車のくせ(？)に。

さて、トヨタ博物館らしからぬ(？)車もあります。これは初代シルビア。

そして、フェアレディZ。

これ、ただのフェアレディZではありません。Z432です。

419台しか作られなかったラリー競技用車両、らしいです。かなりの希少車ですね。

なお、エンジンは、分かる人には分かるS20エンジンを搭載。

これを見ると、多分、多くの人がルパン三世を思い出すんじゃないでしょうかね？

フィアット500です。

個人的にビリビリと来るのがこの車。

は、スカイラインGT-R BNR32です。

すごく保存状態がいいんですよね、これ。刺さる人には刺さる。

車の展示だけでもお腹いっぱいですが、併設する文化館というところもあります。

いきなり、年代別の車に分かれたミニカーがお出迎えです。

こんな感じの展示が、10メートルほど続きます。

一体、どうやって集めたのかと聞きたくなる、車のアクセサリーや

エンブレムの数々ももちろん目を引くんですが

個人的には、その奥にあるこの車関連おもちゃの数々の方がザクザクと刺さります。

これに刺さる人がいたら、あなたはもう、昭和の人間ですね。

流行りましたね、スーパーカー消しゴム。

他にも、今じゃトミカとは分からないパッケージのトミカなど、いろいろと並んでます。

おもちゃどころか、切手までありました。

さらに、カー雑誌やカタログまで。

ライバル車でも、お構いなしです。

戦利品です。ガイドブックを買いました。1320円。

こんな感じに、展示物を振り返ることができます。

トヨタ博物館が持っている車って、大体140種類くらいあるようですね。

そのほとんどが、希少車ばかり。

そうそう、トヨタ博物館の特徴って、この写真が如実に示してますが。

実は、ほぼすべて「動態保存」なんです。

つまり、走行可能な状態で保存されてる、ということ。

中には木炭車なんてのもあるんですが、本当に木炭で走ります。時々、イベントなどで駆り出しているようですね。

これを保存する技術って、相当なものだと思うんですが、その技術も含めて残していこうというのが、この博物館の趣旨だとか。

ガソリン車をなくし、EVへと移行しつつある現在ですが、こういう車の文化はぜひ、後世に残していただきたいですね。

弛まぬ挑戦者たち トヨタ博物館

Yolov4で物体検出した対象にIDつけて追いかけ(トラッキング)つつ、ある場所を通過した人をカウントするやつ作ってみた

まるでどこかのラノベのような長いタイトルで申し訳ないですが、表題の通りのもの、作りました。

 

用途としては、ある場所を通過した人の人数を数える、という、イベントなどでは使いたくなるやつです。

(ただし、今回のは出入り方向のどちらも区別なくカウントします)

もちろん、一から作ったわけではなく、ベースの仕組みがあったので、それを改造して作成。

ベースとしたコードは、こちら。

GitHub - LeonLok/Deep-SORT-YOLOv4: People detection and optional tracking with Tensorflow backend.

「Deep Sort Yolov4」という、Yolov4を使って物体検出(デフォルトでは人)をさせて、それぞれにIDをつけて追跡する、いわゆる「物体追跡」のコードです。

物体検出には、検出精度が高くて定評な(かつ商用利用も安心な)Yolov4を使ってます。

しかもこのコード、TensorFlow 1.14とKeras 2.2.4という、我が家の環境でも動きます。

(なお、TensorFlow 2.0版も同梱されてます)

ここでは、Windows 10＋Python 3.7.9＋TensorFlow 1.14＋Keras 2.2.4で話を進めます。

まず、上のコードをZIPでダウンロードし、展開。

「Deep-SORT-YOLOv4-master」というフォルダができるので、その中の「tensorflow1.14」‐「deep-sort-yolov4」に入ります。

で、まずはREADME.mdのQuick startに従い、既存の学習モデルを入手、変換します。

ここから「yolov4.weights」が入手できるので、それを上のフォルダに入れて、

> python convert.py

と入力し、実行。

「yolo4.h5」というファイルができるので、それを「model_data」というフォルダに移動。

ここでまず、

> python demo.py

を動かしてみます。

多分、デフォルトではこんな感じの絵が出てくるはずです。

歩行者にそれぞれ個別のIDが割り振られて、ちゃんと追跡されているのが分かるかと思います。

読み込む動画を変えたいときは、「demo.py」の中の41行目にある

file_path = 'video.webm'

のイコールの後ろ、「video.webm」のところを処理させたい動画ファイル名に変えてやればOKです。

こんな感じになります。

今回の目的は、ある場所の通過地点の人の数をカウントすることが目的なため、上側から撮影した俯瞰動画の方が都合がいいです。

ということで、ここでは以前に書いた「Jetson Nanoの固定カメラで人の動きを分析する「動線分析」をやらせてみた: EeePCの軌跡」で、Jetson Nanoの中に入っていた「pedestrians.mp4」を使うことにします。

さて、このままでは、全然人をカウントしてくれません。そこで、このdemo.pyを以下のように書き換えます。

「demo.py」

#! /usr/bin/env python

# -*- coding: utf-8 -*-

from __future__ import division, print_function, absolute_import

from timeit import time

import warnings

import cv2

import numpy as np

from PIL import Image

from yolo import YOLO

from deep_sort import preprocessing

from deep_sort import nn_matching

from deep_sort.detection import Detection

from deep_sort.detection_yolo import Detection_YOLO

from deep_sort.tracker import Tracker

from tools import generate_detections as gdet

import imutils.video

from videocaptureasync import VideoCaptureAsync

warnings.filterwarnings('ignore')

def main(yolo):

  with open('test.csv','w') as f:

    # Definition of the parameters

    max_cosine_distance = 0.3

    nn_budget = None

    nms_max_overlap = 1.0

    # Deep SORT

    model_filename = 'model_data/mars-small128.pb'

    encoder = gdet.create_box_encoder(model_filename, batch_size=1)

    metric = nn_matching.NearestNeighborDistanceMetric("cosine", max_cosine_distance, nn_budget)

    tracker = Tracker(metric)

    tracking = True

    writeVideo_flag = True

    asyncVideo_flag = False

    file_path = 'pedestrians.mp4'

    if asyncVideo_flag :

        video_capture = VideoCaptureAsync(file_path)

    else:

        video_capture = cv2.VideoCapture(file_path)

    if asyncVideo_flag:

        video_capture.start()

    if writeVideo_flag:

        if asyncVideo_flag:

            w = int(video_capture.cap.get(3))

            h = int(video_capture.cap.get(4))

        else:

            w = int(video_capture.get(3))

            h = int(video_capture.get(4))

        fourcc = cv2.VideoWriter_fourcc(*'XVID')

        out = cv2.VideoWriter('output_yolov4.avi', fourcc, 30, (w, h))

        frame_index = -1

    fps = 0.0

    fps_imutils = imutils.video.FPS().start()

    count = 0

    while True:

        count+=1

        ret, frame = video_capture.read()  # frame shape 640*480*3

        if ret != True:

             break

        t1 = time.time()

        if count==1:

            cv2.imwrite('test.jpg',frame)

        image = Image.fromarray(frame[...,::-1])  # bgr to rgb

        boxes, confidence, classes = yolo.detect_image(image)

        if tracking:

            features = encoder(frame, boxes)

            detections = [Detection(bbox, confidence, cls, feature) for bbox, confidence, cls, feature in

                          zip(boxes, confidence, classes, features)]

        else:

            detections = [Detection_YOLO(bbox, confidence, cls) for bbox, confidence, cls in

                          zip(boxes, confidence, classes)]

        # Run non-maxima suppression.

        boxes = np.array([d.tlwh for d in detections])

        scores = np.array([d.confidence for d in detections])

        indices = preprocessing.non_max_suppression(boxes, nms_max_overlap, scores)

        detections = [detections[i] for i in indices]

        for det in detections:

            bbox = det.to_tlbr()

            score = "%.2f" % round(det.confidence * 100, 2) + "%"

            cv2.rectangle(frame, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), (255, 0, 0), 2)

            if len(classes) > 0:

                cls = det.cls

                cv2.putText(frame, str(cls) + " " + score, (int(bbox[0]), int(bbox[3])), 0,

                            1e-3 * frame.shape[0], (0, 255, 0), 1)

        if tracking:

            # Call the tracker

            tracker.predict()

            tracker.update(detections)

            for track in tracker.tracks:

                if not track.is_confirmed() or track.time_since_update > 1:

                    continue

                bbox = track.to_tlbr()

                cv2.rectangle(frame, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), (255, 255, 255), 2)

                cv2.putText(frame, "ID: " + str(track.track_id), (int(bbox[0]), int(bbox[1])), 0,

                            1e-3 * frame.shape[0], (0, 255, 0), 1)

                track_info = str(count) + ' , ' + str(track.track_id) + ' , ' + str((int(bbox[0]) + int(bbox[2]))/2) + ' , ' + str((int(bbox[1]) + int(bbox[3]))/2)

                print(track_info,file=f)

                print(track_info)

        cv2.imshow('', frame)

        if writeVideo_flag: # and not asyncVideo_flag:

            # save a frame

            out.write(frame)

            frame_index = frame_index + 1

        fps_imutils.update()

        if not asyncVideo_flag:

            fps = (fps + (1./(time.time()-t1))) / 2

            print("FPS = %f"%(fps))

        # Press Q to stop!

        if cv2.waitKey(1) & 0xFF == ord('q'):

            break

    fps_imutils.stop()

    print('imutils FPS: {}'.format(fps_imutils.fps()))

    if asyncVideo_flag:

        video_capture.stop()

    else:

        video_capture.release()

    if writeVideo_flag:

        out.release()

    cv2.destroyAllWindows()

if __name__ == '__main__':

    main(YOLO())

ところどころ書き換えてますが、要するにこれ、最初の1枚目の画像を出力し、画像のコマ数、トラッキングIDとボックスの中心座標を、CSVファイルに吐き出すようにしただけです。

こんなのが出てきます。左から順に「コマ数」「トラッキングID」「検出ボックス中心のX座標(ピクセル)」「〃 Y座標」。

それを可視化するコードは、こちら。

「plot_count.py」

import numpy as np

import matplotlib.pyplot as plt

import csv

import math

import cv2

cross_id = []

# 通過判定のボックス範囲

bminx = 673

bmaxx = 711

bminy = 196

bmaxy = 324

# カラーマップを作成

np.random.seed(133)

col_b = np.random.randint(0,255,256)

col_g = np.random.randint(0,255,256)

col_r = np.random.randint(0,255,256)

# 1枚目の画像を読み取り

img = cv2.imread('test.jpg')

with open("./test.csv","r") as f:

  with open('cross_id.csv', 'w', newline='') as file:

    reader = csv.reader(f)

    for line in reader:

        id = math.floor(float(line[1]))

        x = math.floor(float(line[2]))

        y = math.floor(float(line[3]))

        # id書き込み

        if x>bminx and x<bmaxx and y>bminy and y<bmaxy:

            print(id,file=file)

            cross_id.append(id)

        # 点をプロット

        cv2.circle(img, (x, y), 2, color=(int(col_b[id%255]), int(col_g[id%255]) ,int(col_r[id%255]) ), thickness=2)

# 四角形

cv2.rectangle(img, (bminx ,bminy), (bmaxx, bmaxy), (0, 0, 255),thickness=2)

# 画像書き込み

cv2.imwrite('image.png',img)

# IDの重複を削除

count_id = list(set(cross_id))

# 通過数のカウント表示

print(len(count_id))

# 重複を除いたIDを書き込み

file = open('count_id.csv', 'w', newline='') 

writer = csv.writer(file)

for ele in count_id:

    writer.writerow([ele])

# 結果を表示する。

plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

plt.axis('off')

plt.show()

これで得られた画像は、以下。

各々の人の軌跡の画像が、こんな感じに得られます。

で、真ん中ちょっと右に赤い四角がありますが、このコードは同時に、ここを通過する人の人数をカウントしてます。

赤枠の座標は、上のプログラム中の「bminx」「bmaxx」「bminy」「bmaxy」でそれぞれX、Y座標を指定してます。

で、上のプログラム中に「cross_id」という変数(リスト)がありますが、そこにこの赤枠内を通過したdeep sortが取得したIDが記録されます。

が、実はこの赤枠内を通過している間がすべて記録されるため、同じIDがいくつも記録されてます。

こんな感じ。

で、この重複部分を削除したのが「count_id」というリストで、

こうなります。

上の図でも見てわかると思いますが、この赤枠内を通過した人は3人。

で、IDも3つ。

ちゃんと、カウントされていることが分かるかと思います。

なお、実行ターミナル上にもこの「3」という数字が出てきます。

固定カメラで得られた動画と、どこを通過した人数をカウントしたいか、さえ決めれば、カウントしてくれます。

ただし、入場、出場の人数分けをしたいときは、今のところできませんね。またそれは、いずれ考えようかと。

ところで、私がやりたかったのは、実は「人」ではなく「車」のカウント。

ある場所を通過する車の台数をカウントする必要があり、それをさせるためにこれを作りました。

が、このままでこいつ、「人」しかカウントしません。

これを「車」用に変えるには、同じフォルダ内にある「yolo4.py」を開き、その104行目の

if predicted_class != 'person':

を

if predicted_class != 'car':

に変えてやれば、車をカウントできるようになります。

なお、ラベル名は「model_data」フォルダの中にある「coco_classes.txt」を参照してください。

このラベル内にないものを検出させたい場合は……頑張って、独自データで学習させるしかありませんね。

まあ、たいていは人か車をカウントすることが多いので、その用途でなら上の方法で行けます。

ところで、今回は上の「demo.py」と「plot_cound.py」を別々にしてます。

一緒にしようと思えばできたのですが、トラッキングしたデータをカウントする場所をトライアンドエラーすることを想定し、敢えてコードを分けておきました。

これが一緒だと、試行錯誤するたびに毎回動画処理をすることとなり、ものすごく時間がかかります。

さらに、数か所をはかることになりそうなので、その場合は「plot_cound.py」をコピーして、それぞれの場所のカウントを個別に取る、なんてことも対応できます。

ついでに言うと、入退場を別々に処理させたい場合も、いったんは別々に作ってからやった方がプログラムの試行錯誤もやりやすいかと思ったわけです。

例によって、このブログに載ったコードは、自由に使っていただいてOKです。元々、ベースのコードもそうですし。

ただし利用は、自己責任でお願いいたします。

TensorFlowはじめました3　Object Detection ─ 物体検出 (NextPublishing)

月の土地、買いました

物欲のなされるがままに、これまでもいろいろと変なものを買ってきました。例えば、100兆ドル札(ただしジンバブエドル)等。

が、今度の買い物はスケールだけは大きいです。

なにやら意味深な封筒。その中身は……

3枚の紙が入ってます。

これ、月の土地の所有を証明するものなんです。

左から順に、月の土地の権利書、マップ、そして月憲法。

これを売ってるのはこちら。

 月の土地｜ルナエンバシージャパン

要するに、とある人が「月って、個人なら所有できるんじゃねぇ！？」と思い立ち、裁判所やら国連やらに(一応は)お伺いを立てたのちに、それを売却する権利を得た、ということのようです。その行動力に、あっぱれ。

なんだ、そんなもん、本当に月に行ける時代になったら、何の役にも……いやいやいやいや、夢のないことを言っちゃあいけません。とにかく、月の土地が買えるんです。

仮にも「小説家になろう」で宇宙SFを書いている者としては、月の土地の一つや二つは持っておかないとだめじゃないかと思った次第です。

ちなみに、その土地の広さは１エーカー。およそ1200坪。我が家の土地の約25倍の広さです。でかい。

それが、たった(？)の2700円(送料込みで3030円)で買えるんですから、安いものです。

購入した日付は、2021年7月19日。アポロ11号の月着陸52年目の前日……でもありますけど、私の50歳の誕生日です。

ちなみに、場所は大体この辺だそうです。

お近くにお立ち寄りの際は、是非いらしてください。

と、みんなに言ってます。まあ、来れるものなら・・・

意外に赤道に近いので、月の中でも比較的行きやすいところですね。

ちなみに、土地の権利書なのに取説がついています。

早い話が、あの3枚の紙の和訳ですね。なかなかどうして、親切です。

しかし、人類が月に当たり前のようにいける時代は、果たして来るんでしょうか？

そんな時代が、生きている間に訪れたなら、行ってみたいですね。自分の買った土地とやらに。

なお、妻からはすげえバカにされました。。。

月ライト 月ランプ 間接照明 母の日 ギフトシャンデリア インテリア テーブルランプ月のランプ ナイトライト 授乳用ライト タイマー 15cm 3Dプリント usb充電 リモコン タッチ調光 16色切り替え 無段階調光 吊る下げり可能 プレゼント 誕生日 結婚 父の日 引っ越し 進学のお祝い (15ｃｍ月ライト)

テスラが環境負荷を考慮してビットコイン決済を中止

タイトルそのまんまのニュースです。イーロンマスク自身がTwitterで宣言してますね。

Teslaがビットコインでの決済を中止。環境配慮 - PC Watch

その理由として、ビットコインのマイニングや取引に、石炭火力発電が使われていることで、環境に多大なコストをかけているから、としています。いや、おっしゃる通りですね。

正直、ただお金を生み出すためだけに計算コストを使うなど、何の意味もない行為。これで経済が回るのであればいいのですが、それ、電子マネーじゃいかんの？しかも、環境に影響与えるとか、マジ最悪。

そういえば、ビットコインを１億分の1に分割して、単位を「サトシ」にするべき、とかいう話が出てましたね。

ビットコイン価格、表記を「サトシ単位」で　業界で取り組み

いや、サトシでもペリカでも関係ないですわ。その前になくしましょうや、こんなもの。

PC界隈でも、GPUやHDDの品不足を誘発している、ただ迷惑なだけのマイニング需要。

迷惑極まりないこのバカげた仕組みに、さっさと終止符が打たれることを望みます。

MSI GeForce GTX 1650 D6 AERO ITX OCV2 グラフィックスボード VD7633

2020年まとめ

今年も、いろいろありましたね……

何といっても今年は新型コロナ禍の年。コロナで始まり、コロナで終わる。いや未だに、先が見えておりません。だからというわけではありませんが、どちらかというと今年は、私にとってあまりいいことはなかったですね……

このブログにとっては、毎日更新をやめた年でもあります。

とはいえ、やはりまとめができるほどの出来事が満載。今年を振り返ってみます。

【1月】

画像異常検知のデモ機「AIビー玉選別機」を作ってみた: EeePCの軌跡

さて今年は、いきなりRaspberry Pi工作から始まりました。

昨年末に買ったRaspberry Pi 4を使ってますが、結局今年は、Raspberry Pi 3B+をよく使った年でした。

それはともかく、いわゆる画像異常検知にトライしたこの事例。社内でも、使われつつあります。

【2月】

プロジェクター買いました: EeePCの軌跡

2月はせいぜい、これくらいですかねぇ。プロジェクターを買いました。

結論から言うと、ほとんど使ってません。家ではまるで使い道がないですね、これ。

【3月】

このあたりからコロナ禍が猛威を振るい、学校が休みになったり、外出自粛が叫ばれたり、インフラもないのに在宅勤務が推奨されたり……などなど、ストレスマッハな時期がはじまります。

そんな中でも、地道に活動しておりました。

 Raspberry Pi Camera V1.3の「互換カメラ」買ってみた: EeePCの軌跡

ブログが13年目に入る3月9日の記事がこれ。Raspberry Piカメラの互換品を安く手に入れたというお話。

このカメラ自体、今でも使っていて重宝してますが、そんな話題とは裏腹に、しれっとこの記事の最後に「毎日更新をやめます宣言」をしております。

ちょうど12年目のこの日を境に、自身の活動を中心とした記事のみを乗せようと心がけてます。

当ブログをhttps化しました: EeePCの軌跡

さて、このブログもう一つの大きな変化点は「https化」。

あまり意味があるような、ないような変化点ですが、ブラウザによってはかなりうっとおしい警告が出るため、切り替えてみました。

今ではほとんどセキュリティ警告が出なくなっているはずです。

 Ankerのロボット掃除機”Eufy”買ってみた: EeePCの軌跡

こんなものも買いました。

自動掃除機です。2万円以下で、わりと賢い掃除機を入手。週1で2階をせっせと掃除しております。これは良い買い物でした。

おかげさまで、コロナ太りが捗り過ぎて、夏の健康診断に引っかかるというおまけが付いてきましたが。

【4月】

子供の春休みが、終わりません。そんな4月には、こんなものを買ってます。

iPad用トラックパッド・キーボード付きケース買ってMacBookっぽく使えるか試してみた: EeePCの軌跡

結局、ほとんど使ってないのですが、iPad用キーボードです。トラックパッド付。

iPadOS 13がリリースされて、iPadがトラックパッド対応したため購入。

といってもうちにはMacBook Airがあるので、どうしてもそちらにいってしまいます。

使い勝手は、やはりクラムシェル端末には敵いませんね。

小説家になろう 第8回ネット小説大賞 一次選考に2作品が選ばれました: EeePCの軌跡

で、そんなMacBook Airの成果というべきものがこれ。

今年もなんとか1次通過しました。しかも、2作品。相変わらず、2次は全滅しましたが……

来年はもっと、飛躍できないかなぁ。

なお今年はブログ上のネームを、この「小説家になろう」にそろえて「ディープタイピング」としました。Twitterも同じく。ようやく発音可能な名前になりましたね。

特に記事にはしてませんが、この4月頃から会社でZoomをよく使うようになります。今ではすっかりZoom使いです。

【5月】

サーマルセンサー「AMG8833」とRaspberry Piで非接触体温計っぽいものを作ってみた: EeePCの軌跡

コロナ禍ということで、こういうものを作ってみました。

非接触体温計……っぽいもの。頑張れば使えそうなやつです。お値段も5000円ほどと、お手軽なセンサーです。

この記事ですが、このブログの今年のアクセス数トップ記事になっておりますね。

それにしても今年は、久しぶりにRaspberry Piをよく使った年です。

【6月】

6月は、あまり実りのない月でしたね。健康診断に引っかかったことくらいでしょうか？

が、こんな出来事がありました。

Apple ID詐欺……やられかけました……: EeePCの軌跡

Appleっぽい詐欺サイトに誘導されかけました。

特に実害はなさそうでしたが、警戒してすぐにApple IDのパスワードを変更してます。

そういえば周りにも、Facebookを乗っ取られた人がいました。世の中が乱れると、なぜかこういう輩が暗躍するようです。こういう時期、要注意ですね。

【7月】

コロナ禍がややおさまった名古屋 大須へ行って参りました: EeePCの軌跡

すごく久しぶりの大須探訪記です。長男と2人で、行ってきました。

コロナ禍でどうなっていることかと心配でしたが、ここは相変わらずでしたね。

といっても、細かい店がいくつか閉店(または閉店予告)しておりました。大須と言えども、やはり爪痕はあるようです。

長男と共に、大須の雰囲気を満喫した夏でした。

クラムシェル端末風に使えるタッチパッド付iPadキーボードケースを買ってみた: EeePCの軌跡

性懲りもなく、こんなものを購入。

最新版のiPad向けの商品を買ったため、サイズが合いませんが、何とか無理やり使ってレビュー。

使用感は、悪くありませんね。ただし、やはりMacBook Airには敵わず、結局これも使わずじまい。

【8月】

ミラー型ドライブレコーダー購入: EeePCの軌跡

ドライブレコーダーを買いました。

ルームミラーを電子ミラー化 ＆ 後方カメラ付きというもので、今どきの煽り運転対策には最適。

夜でも後方を確認しやすくなりました。これは買いです。

【9月】

Surface Goがようやく実用形態に: EeePCの軌跡

今年はついに、Surfaceを買いました。

やはり、Zoomやらを使っていると、この手の軽くて起動が速い端末が欲しくなります。

スマホ世代には、ピッタリなWindows端末ですね。おすすめです。

ららぽーと東郷へ行ってきました: EeePCの軌跡

一方、うちの近所に馬鹿でかいショッピングモールが誕生です。

50km圏内をカバーする目的で作られたこのショッピングモール、SIMフリーiPhoneが調達できる店が、まさか徒歩圏内にできようとは思ってもいませんでした。

が、私にとってのこのショッピングモール最大のインパクトはヴィレッジヴァンガードが入っていること。

福袋入手は、ここで決まりです。

【10月】

久しぶりにEeePC 1000H-Xを起動してみた: EeePCの軌跡

ふと見つけた32ビットOSの話題につられて、久しぶりにEeePC 1000H-Xを起動してみました。

バッテリーは完全に死んでますが、本体はまだ生きてます。

とはいえ、さすがにもう遅いですね……12年前の、しかも最底辺のPCですからね。

Tensorflow.js + WebGLで顔検出してくれるWebアプリ: EeePCの軌跡

顔検出のWebアプリの紹介です。マスク顔でもこの通り、検出可能。

何気に、私の顔が出ております(ただしマスク付き)。

【11月】

Raspberry Pi ＋ 磁気センサーで ドアの開閉をセンシングしてみた: EeePCの軌跡

ドアセンサー、作ってみました。会社のトイレIoTの要望に応えての工作です。

いかにもRaspberry Piらしい（？）電子工作ですね。

3COINSのBluetoothイヤホン買ってみた: EeePCの軌跡

瞬発的なアクセス数としては、今年一番バズった記事です。

3COINSで買ったBluetoothイヤホン。

1500円という金額にしては、とても使いやすく音質も悪くないです。

もっとも、ノイズキャンセリングがあるわけではないので、外ではそれなりの音質。

おまけに、よく途切れることがあります。室内でも時々、ぶちぶちと切れますね。安定性はいまいち。

でもまあ、1500円ですから、これ。そう思えば妥当かと。

ゲーム＆ウォッチ型スーパーマリオ復刻版ゲーム: EeePCの軌跡

ところで、11月はいろいろなものを買った月です。その一つがこれ。スーパーマリオ35周年記念で、ゲーム＆ウォッチ型のゲーム機。

ちなみに、スーパーマリオ1の方はクリアしました。

3年ぶりにiPhoneを購入！iPhone 12 グリーンをららぽーと東郷で入手！: EeePCの軌跡

で、今年最高額の買い物は、これ。

iPhone 12です。128GBで、色はグリーン。

これまでiPhone 5c以降、様々なカラバリモデルが出ましたけど、白・黒以外を買ったのはこれが初めてです。

画面サイズも6.1インチと、我が家では最大サイズのiPhone。おかげでとても見やすいです。

【12月】

11月はガジェット購入祭り的な月でしたが、その余波は12月にも残ります。

Amazon Echo Show 5買ってみた: EeePCの軌跡

とうとう買ってしまいました、Amazon Echo show 5。家電リモコンなどはつけてませんが、音楽再生に使ってます。

音声認識は高いですが、Googleに比べると、あまり遊び心がないですね。真面目です。はい。

と、本年のガジェットな買い物はこれで終わるはずだったんですが……

 ドスパラのゲーミングノート「GALLERIA GR1650TGF-T」を購入！: EeePCの軌跡

やっぱり、無理でした。

フィニッシュは、こいつが飾りました。これが今年2番目の買い物(ちなみに３番目はSurface Go)。

ゲーミングノートPCではコスパ最高と謳われたドスパラのGALLERIA GR1650TGF-Tを、メインPCとして購入。

スマホやSurface Goのおかげで起動時間の速さに慣れすぎてしまい、HDDオンリーのデスクトップ機ではやはり使い物にならないことがしばしば。とうとう勢い余って購入。

おかげさまで、すごく快適です。起動も使い勝手もよくなり、机の上も広くなっていいことづくめ。

Ryzenの６コアも、なかなかいいです。

もっと早くこうするべきだったかと。

ただ、その副産物として、Surface Goを使わなくなりましたが……

しかし、これで快適なら、プロセッサ性能の向上ぶりが段違いといわれるM1チップ搭載のMacBookなど手に入れようものなら、どうなることか……次は、Apple Siliconかな？よだれが止まりません。

久しぶりに、PC界隈が活気づいた年ですね。振り返ればiPhoneよりも、こっちの方がインパクト大きいです。

◇◇◇

とまあ、コロナ禍で外出も控えめなこの年でしたが、それでも振り返ると案外、いろいろとありましたね。

個人的には、あまり良い年ではありませんでしたね。ブログにはほとんど書いてませんが、裏ではいろいろトライしては、成果を残せずという事柄が多いです。

うーん、どうしてこうなった……振り返れば、今年はブログ開設以来初めてヴィレッジヴァンガードの福袋を買わなかったからでしょうか？あんなもの(？)にジンクスがあるとは思いたくないのですが……

その反動で、来年はもうちょっと、羽ばたきたいところです。叶うでしょうか、そんな願望。

と、まずは、ヴィレヴァン福袋を買うところからスタートですね。

今年の更新は、これでおしまいとなります。

来年も、よろしくお願いいたします。皆様、よいお年を。

エンスカイ 鬼滅の刃 2021年 カレンダー壁掛け B3サイズ

ベイルートでの爆発事故振り返りサイト

縦スクロールで振り返る、今年8月4日に起きたベイルートでの爆発事故の振り返りサイトです。

How a Massive Bomb Came Together in Beirut’s Port - The New York Times

マウスまたはタッチでスクロールすると、映像が順次入れ替わるというコンテンツ。一体、あの事故現場で何が起きていたのか？を振り返ることができます。

後はスクロールするだけですが……CGを交えて、英語での解説と共に刻一刻と状況説明がされていきます。

で、ついに爆発。ショックウェーブ(衝撃波)によって手前のビル表面が脆くも破壊される様子が出たところで、映像は終わります。

マウスまたはタッチで、この映像を一コマ一コマ送ることができるため、非常に見ごたえのあるサイトです。面白い……と言っては不謹慎ですが、ぜひご覧ください。

爆発物って、意外と身近にあるものなんですよね。ガスやリチウムイオン電池なんて、どこの家庭でもあるでしょうし、工場のある会社ならばそれこそ爆発物だらけです。

ですから、自分事として見ていただけるとよいかと。日本でも大なり小なりこういう事故が起きてますから、決して他人事ではない人は多いと思われます。

基礎からの爆発安全工学 - 構造物の耐爆設計の基礎

新型コロナ接触確認アプリ「COCOA」から接触通知が来たら！？

COCOA、私も入れてます。が、接触通知は今のところ来ておりません。

(「0件の接触の恐れが……」みたいな紛らわしい通知は来ますが)

で、このアプリが接触の可能性があると判断した場合、どういう通知が出るのか？

実際にその経緯をTwitterで紹介しタカタがいて、それが以下のサイトにまとめられております。

【コロナ】「COCOAから接触通知が来た！」とても参考になる体験談が話題 | BREAK TIME

詳しくは上記リンクを読んでいただきたいですが、まず来たのは「通知」だったようです。

因みに最初の知らせはプッシュ通知で来ました。#COCOA pic.twitter.com/zfwEfWwGKt

— 渡邉幸生 (@wtnbyukio) August 25, 2020

うーん、これは実際に見たらびっくりしますね。私の0件の通知でもびっくりしますから。

で、アプリ内を確認するも、過去14日間の接触では、陽性者との接触は確認されませんでしたという画面が出るのみ。

が、接触記録のログを見ると、この方、確かに記録が残っていたそうです。

で、指示通りにログを辿ったら、「一致したキーの数」が1以上あったので、接触アリと判断したという流れです。#COCOA pic.twitter.com/fK5AUE4wQA

— 渡邉幸生 (@wtnbyukio) August 25, 2020

ちなみにこのログの確認の仕方ですが、iPhoneの場合、「設定」-「プライバシー」-「ヘルスケア」-「COVIA-19接触のログ記録」と辿り、そのちょっと下にある「接触チェックの記録」の中にある大量の日時の中を一つタッチすると、上のツイートのように、その時間での接触記録の詳細が表示されます。

なお、この記録を持って保健所に問い合わせた結果、無料でPCR検査を受けられたらしいです。

私はまだ幸い、こういうのには出くわしませんね。

通知が来たら、要注意ということです。

にしても、いつまでこの状況、続くんでしょうか？早くいつもの日常に戻って欲しいと願うばかりです。

アフターコロナ　見えてきた7つのメガトレンド