PR：この記事にはアフィリエイトリンクが含まれます。
Raspberry Pi 5で物体検出や姿勢推定を動かすなら、AIアクセラレーターHATを加える方法があります。推論を専用チップに分担できるため、監視カメラや小型ロボットに組み込む際にも使いやすいですよ。
画像認識中心ならRaspberry Pi AI HAT+、対応LLMやVLMをPi 5上で動かすならAI HAT+ 2がおすすめです。M.2型のHailo-8とCoralも含め、それぞれの特徴を見ていきます。
先に早見表
候補はボード一体型かM.2カード型か、画像認識が中心かローカル生成AIも扱うかで役割が分かれます。まずは全体像を表で確認しましょう。
| 候補 | 推論チップ | 向く用途 | 価格の目安 |
|---|---|---|---|
| Raspberry Pi AI HAT+ | Hailo-8L 13 TOPS、Hailo-8 26 TOPS（INT8） | カメラ画像認識 | US$70、US$110 |
| Raspberry Pi AI HAT+ 2 | Hailo-10H 40 TOPS（INT4）、8GB | 画像認識＋対応LLM/VLM | US$200 |
 Waveshare Hailo-8 M.2 AI Accelerator Kit | Hailo-8 26 TOPS | M.2構成での画像認識 | 販売構成を確認 |
| Seeed M.2 HAT＋Coral | Edge TPU 4 TOPS（INT8） | TFLite＋Edge TPUモデル | HAT・カード別売 |
公式希望小売価格はAI HAT+が13 TOPS版US$70、26 TOPS版US$110で、AI HAT+ 2はUS$200です。実売価格は時期や店で変わるため、購入時に確認してください。M.2型は必要な部品がそろう構成の合計額で考えましょう。
TOPSは処理量の目安ですが、数値だけで実際の速さは分かりません。演算精度やモデルも関わるため、表の値を使いたい処理と一緒に見てください。
Pi 5で広がる処理
AIアクセラレーターは、学習済みモデルを使った画像や文章の判定を専用チップで処理する基板です。モデルを一から学習する装置とは役割が異なり、カメラ映像の判定に利用できます。
Pi 5にカメラを接続すると、フレームごとに人や車を検出し、映像を外部サービスへ送らず現場で反応できます。見守りや人数カウント、ロボットの周囲確認などに使えます。
ネットが途切れても推論を続けやすく、映像を端末内に保てる点も便利です。設置場所や通信環境が限られる工作では、判定結果だけを記録する仕組みにできます。
候補はいずれもPCIe経由でPi 5に接続します。AI HAT+系はGPIOと重ねるHAT形式で、WaveshareとCoralはM.2カードをアダプターにつなぐ形式です。ケース内の収まりも違います。
AI HAT+の強み
画像認識を始めるなら、Raspberry Pi公式のAI HAT+がおすすめです。13 TOPS版はHailo-8L、26 TOPS版はHailo-8を搭載し、どちらもINT8で画像認識を処理します。
物体検出のほか、画像セグメンテーションや姿勢推定にも対応。カメラソフトウェアスタックに統合されているため、rpicam-appsやPicamera2から対応タスクを試しやすい設計です。
TensorFlowやPyTorchにも対応し、既存のAI開発経験を生かせます。ただし、どのモデルも無変更で実行できるわけではありません。対応モデルや実行環境に合わせる必要があります。
公式希望小売価格は13 TOPS版がUS$70、26 TOPS版がUS$110です。実売は時期や販売店で変わります。Pi 5のActive Coolerを付けた状態でも装着でき、周囲温度0〜50℃で動作します。少なくとも2030年1月まで生産予定です。
Raspberry Pi AI HAT+
Amazonで探すAI HAT+ 2の強み
AI HAT+ 2は、画像認識とあわせて対応LLMやVLMをPi 5上で動かしたい人向けです。Hailo-10Hと8GBのオンボードメモリーを備え、40 TOPS（INT4）の演算性能があります。
LLMは文章を扱うモデルで、VLMは画像と文章を扱うモデルです。対応するVLMなら、画像についての質問に端末内で答えたり、カメラ画像を扱う処理に使えたりします。生成AIを実行できる点が標準AI HAT+との違いですね。
一方、画像認識の性能はAI HAT+ 26 TOPS版と同程度です。40 TOPSの数字から、画像検出が大幅に速いと考えるのは適切ではありません。AI HAT+ 2の特徴は対応生成AIを実行できる点です。
公式希望小売価格はUS$200で、AI HAT+より価格は高めです。高負荷時は付属ヒートシンクの装着が推奨され、Pi 5のActive Coolerとも併用できます。ケース内では十分に換気し、ケースを覆わないでください。少なくとも2036年1月まで生産予定です。
Hailo-8のM.2型
M.2カードで組みたいなら、WaveshareのHailo-8 M.2 AI Accelerator Kitがおすすめです。Hailo-8は26 TOPSを備え、Pi 5のPCIeにつなぐ16ピンケーブル式アダプターとM.2カードで構成されます。アダプターはHAT+準拠です。
モジュールは22×80mmで、延長部を切り離すと22×60mmまたは22×42mmになります。ケース内の配置に幅が出る仕様です。販売価格はカードとアダプターを含む構成で変わります。
TensorFlow・TensorFlow Lite・ONNX・Keras・PyTorchに対応し、LinuxとWindowsで利用できます。Pi 5では64-bit Raspberry Pi OS Bookwormとhailo-allを使うセットアップ例があり、YOLOv6やYOLOv8などの実例も掲載されています。
モジュールの標準消費電力は2.5Wです。アダプターにはファン追加用の通気口があり、Pi 5 Active Cooler Bとの併用例も掲載されています。ケースに収める場合は吸排気の空間も確保しましょう。
Coralの特徴
SeeedのPCIe to M.2 HATとGoogle Coral M.2 Accelerator B+M keyを組み合わせると、Edge TPU向けTensorFlow Liteモデルを実行できます。Edge TPUは4 TOPS（INT8）で、効率は2 TOPS/W。定型的な推論を省電力で処理できます。
CoralカードとSeeedのM.2 HATは別売です。Coralは22×80mmのM.2 B+M keyで、購入費用は両方をそろえた合計額で考えます。片方だけでは推論構成になりません。
Edge TPUで動かすモデルにはTensorFlow Liteを使い、Edge TPU向けにコンパイルします。対応モデルが手元にある人なら、既存の仕組みを生かしやすいでしょう。
Coral PCIeカードには温度センサーがあり、PCIeドライバーから温度を監視したり周波数スケーリングを設定したりできます。SeeedのHATはCoralとHailo-8、Hailo-8Lに対応し、PCIe Gen 2 x1とGen 3 x1もサポートします。
結論
画像認識を初めて組み込む人には、Raspberry Pi AI HAT+ 13 TOPS版をおすすめします。Pi 5のカメラ連携を生かせて、公式希望小売価格も26 TOPS版より抑えられています。処理量に余裕を持たせたい場合は26 TOPS版を選ぶとよいでしょう。
対応LLMやVLMを端末内で動かすならAI HAT+ 2が適任です。M.2構成を重視する人にはWaveshare Hailo-8、Edge TPU向けTFLiteモデルを使っている人にはCoralをおすすめします。
Pi 5をすでに使っている場合は、利用モデルやカメラの数に加え、ケース内の冷却まで確認しましょう。条件を整理してから製品を選べば、必要な性能と費用のバランスを取りやすくなります。
Amazon の PC をスコア化してみた
Amazonにある8〜14インチの小型WindowsタブレットやノートPCを、スペック別にスコア化して比較・ランキング。
