「1,000円以下のマイコンでAIを動かせる」と聞いたら、信じられますか？
Raspberry Pi Pico（ラズベリーパイ ピコ）は、わずか数百円で手に入るマイクロコントローラーですが、TensorFlow Lite for Microcontrollersを使えば、音声認識や画像分類といったAI処理をデバイス上で実行できます。
この記事では、Raspberry Pi Picoを使ったエッジAI入門として、基本的な仕組みから実践プロジェクト例までを解説します。
Raspberry Pi Picoとは
Raspberry Pi Picoは、Raspberry Pi財団が開発したマイクロコントローラーボードです。一般的な「Raspberry Pi」（Pi 4やPi 5）はLinux OSが動くシングルボードコンピュータですが、PicoはOSなしで動作するマイコンボードという点が大きく異なります。
現行モデルの比較
| 項目 | Pico（RP2040） | Pico W（RP2040） | Pico 2（RP2350） | Pico 2 W（RP2350） |
|---|---|---|---|---|
| CPU | Cortex-M0+ デュアルコア 133MHz | 同左 | Cortex-M33 デュアルコア 150MHz | 同左 |
| RAM | 264KB | 264KB | 520KB | 520KB |
| Flash | 2MB | 2MB | 4MB | 4MB |
| Wi-Fi | なし | 2.4GHz | なし | 2.4GHz |
| Bluetooth | なし | BLE 5.2 | なし | BLE 5.2 |
| FPU | なし | なし | あり（単精度） | あり（単精度） |
| 価格 | ¥500前後 | ¥900前後 | ¥800前後 | ¥1,200前後 |
2026年4月時点で、エッジAI用途には**Pico 2（RP2350）**が最適です。FPU（浮動小数点演算ユニット）を搭載しており、AI推論の処理速度がRP2040と比べて大幅に向上しています。Wi-Fiが必要な場合はPico 2 Wを選びましょう。
入手方法
Raspberry Pi Picoは以下のショップで購入できます：
- スイッチサイエンス: 国内正規代理店。在庫安定。
- 秋月電子通商: 店舗・通販対応。パーツと同時購入に便利。
- Amazon: 互換ボードも含め種類が豊富。
エッジAIとは
エッジAI（Edge AI）とは、クラウドではなくデバイス上（エッジ）でAI推論を実行する技術です。スマートフォンの顔認証や音声アシスタントのウェイクワード検出も、エッジAIの一種です。
クラウドAIとの違い
| 比較項目 | エッジAI | クラウドAI |
|---|---|---|
| 処理場所 | デバイス上 | クラウドサーバー |
| レイテンシ | 数ミリ秒〜数十ミリ秒 | 数百ミリ秒〜数秒 |
| ネット接続 | 不要 | 必須 |
| プライバシー | データが外部に出ない | データを送信する必要あり |
| 消費電力 | 低い（mW〜W） | 高い（サーバー側） |
| モデルサイズ | 小〜中（KB〜数MB） | 制限なし（GB単位も可） |
| 精度 | やや低い（量子化の影響） | 高い |
| コスト | ハードウェア代のみ | API利用料が継続発生 |
エッジAIのメリット
- リアルタイム処理: ネットワーク遅延がないため、即座に応答できる
- プライバシー保護: 音声や画像データがデバイス外に出ない
- オフライン動作: ネット接続がない環境でもAIが使える
- 低コスト運用: クラウドAPI利用料が不要
Pico向けエッジAIフレームワーク
TensorFlow Lite for Microcontrollers（TFLM）
GoogleのTensorFlowチームが開発したマイコン向けAIフレームワークです。TensorFlowで学習したモデルを量子化（INT8化）し、マイコン上で推論を実行します。
Raspberry Pi PicoではC/C++ SDKと組み合わせて使用します。Pico 2のFPUを活用するとFloat32モデルの推論も高速に行えます。
主な特徴:
- モデルサイズ: 数十KB〜数百KB
- 対応演算: 畳み込み、全結合、LSTM等
- 量子化: INT8/Float32対応
- メモリ使用量: 推論時20KB〜200KB程度
Edge Impulse
ブラウザベースのTinyML開発プラットフォームです。データ収集→モデル学習→量子化→デプロイの全工程をGUIで行えます。Raspberry Pi Picoにも対応しており、コーディング量を大幅に削減できます。
開発の流れ:
- Edge Impulseにプロジェクトを作成
- センサーデータを収集（CSVアップロードまたは直接接続）
- 信号処理ブロックとモデルを設定
- 学習を実行
- Picoの C++ SDK向けライブラリとしてエクスポート
MicroPython + TinyML
MicroPythonでもTinyML推論は可能です。microliteライブラリを使うと、TFLiteモデルをMicroPythonから呼び出せます。ただし、C/C++に比べてオーバーヘッドが大きいため、リアルタイム性が求められる用途にはC/C++の方が適しています。
実践プロジェクト例
プロジェクト1: 音声認識（キーワード検出）
マイクモジュールをPicoに接続し、特定のキーワード（「ライトオン」「ストップ」など）を認識してLEDやリレーを制御するプロジェクトです。
仕組み:
- PDMマイクで音声を取得（16kHz サンプリング）
- MFCC（メル周波数ケプストラム係数）で音声を特徴量に変換
- 畳み込みニューラルネットワーク（CNN）で分類
- 認識結果に応じてGPIOを制御
必要な部品:
| 部品 | 目安価格 |
|---|---|
| Raspberry Pi Pico 2 | ¥800 |
| PDMマイクモジュール（INMP441等） | ¥300〜500 |
| LED + 抵抗 | ¥100以下 |
| ブレッドボード + ジャンパーワイヤー | ¥500 |
| 合計 | 約¥1,700〜2,000 |
LED用の抵抗値はLED抵抗計算ツールで計算できます。Pico 2の3.3V出力を電源とする場合、一般的な赤色LED（VF=2.0V）なら68Ω〜100Ωが適切です。
モデルサイズの目安: 約20〜50KB（INT8量子化済み）
プロジェクト2: 画像分類（カメラモジュール連携）
Picoにカメラモジュールを接続し、撮影した画像をリアルタイムで分類するプロジェクトです。例えば、ゴミの分別（ペットボトル・缶・紙）や植物の種類識別に使えます。
仕組み:
- SPIカメラモジュール（ArduCAM Mini等）で画像を取得
- 画像を96×96ピクセルにリサイズ・前処理
- MobileNet V1（量子化版）で分類
- 結果をOLEDディスプレイに表示
必要な部品:
| 部品 | 目安価格 |
|---|---|
| Raspberry Pi Pico 2 | ¥800 |
| ArduCAM Mini 2MPカメラ | ¥2,500 |
| 0.96インチOLEDディスプレイ（I2C） | ¥400 |
| ブレッドボード + ジャンパーワイヤー | ¥500 |
| 合計 | 約¥4,200 |
モデルサイズの目安: 約100〜300KB（INT8量子化済みMobileNet）
Pico 2（520KB RAM）であれば、量子化済みMobileNetの推論が可能です。初代Pico（264KB RAM）ではメモリが不足する場合があります。
プロジェクト3: センサーデータ異常検知
温度・湿度・振動センサーのデータをリアルタイムで監視し、異常なパターンを検出するプロジェクトです。サーバールームの環境監視や、モーターの故障予兆検知に応用できます。
仕組み:
- センサーからデータを定期取得（1〜10Hz）
- 時系列データをスライディングウィンドウで切り出し
- オートエンコーダーまたはランダムフォレストで正常/異常を判定
- 異常検出時にブザーで警報 + Wi-Fi経由で通知（Pico W使用時）
必要な部品:
| 部品 | 目安価格 |
|---|---|
| Raspberry Pi Pico 2 W | ¥1,200 |
| BME280（温湿度・気圧センサー） | ¥400 |
| ADXL345（加速度センサー） | ¥300 |
| ブザーモジュール | ¥100 |
| ブレッドボード + ジャンパーワイヤー | ¥500 |
| 合計 | 約¥2,500 |
モデルサイズの目安: 約10〜30KB（異常検知モデルは軽量）
必要な部品リスト（まとめ）
エッジAIを始めるための最小構成と、本格的に取り組むための拡張構成をまとめます。
最小構成（約¥2,000）
- Raspberry Pi Pico 2: ¥800
- ブレッドボード: ¥300
- ジャンパーワイヤーセット: ¥200
- USB Micro-Bケーブル: ¥300
- LED + 抵抗セット: ¥200
拡張構成（約¥5,000〜8,000）
上記に加えて:
- PDMマイクモジュール: ¥300〜500
- ArduCAM Mini 2MP: ¥2,500
- BME280センサー: ¥400
- OLEDディスプレイ: ¥400
- ブザーモジュール: ¥100
既存計算ツールとの連携
当サイトの計算ツールは、エッジAIプロジェクトの回路設計で活用できます。
- LED抵抗計算ツール: Picoの3.3V出力に合わせたLED用抵抗値を計算
- オームの法則計算ツール: センサー回路の電流・電圧計算に
- 分圧計算ツール: 5Vセンサーの出力をPicoの3.3Vに変換する分圧回路の設計
- 電源容量計算ツール: バッテリー駆動時の消費電力と駆動時間の計算
特に分圧計算は重要です。5V出力のセンサーをPicoに接続する場合、分圧回路で3.3Vに降圧しないとPicoが故障する可能性があります。分圧計算ツールで適切な抵抗値を求めてください。
まとめ
Raspberry Pi Picoは、1,000円以下で始められるエッジAIプラットフォームです。
- Pico 2（RP2350） がFPU搭載でエッジAIに最適
- TensorFlow Lite for Microcontrollers でC/C++ベースのAI推論
- Edge Impulse でノーコード/ローコードのモデル開発
- 音声認識・画像分類・異常検知など幅広いプロジェクトに対応
- 部品合計¥2,000〜¥8,000で本格的なAI電子工作が可能
クラウドに依存しない、プライバシーに配慮したAIデバイスを自分の手で作れる時代です。まずはPico 2とブレッドボードを手に入れて、エッジAIの世界に飛び込んでみましょう。