今回はkintone上でTeachableMachineを使ってかんたんな画像認識してみたいと思います。

Teachable Machineの準備をする

↓こちらにアクセスして
https://teachablemachine.withgoogle.com/

使ってみるをクリック！

画像プロジェクトを選択し、標準の画像モデルを選択します。

クラス名を変更する

Class 1 を「ケーキ」に
Class 2 を「コップ」に

書き換えます。

画像をアップロードする。

私がフリーハンドで描いたケーキの絵と、コップの絵をそれぞれケーキクラス、コップクラスにアップロードします。

クラス	画像
ケーキ
コップ

↓読み込んだらこんな感じになります。

トレーニング

モデルをトレーニングするボタンを押します。

モデルをエクスポート→アップロードする

モデルをエクスポートボタンをクリックします。

モデルをアップロードします。

暫く待つと、クラウドモデルは最新です。と表示される＆「共有可能なリンク」が表示されるのでコピーしておきます。
ちゃんと控えておきましょう！！

kintoneアプリの作成

フォームは作成しなくていいので「一覧」を作成します。
一覧はカスタマイズビューにして、htmlに次のように書きます。

<div>Teachable Machine Image Model</div>
<div id="webcam-container"></div>
<div id="label-container"></div>

JavaScript / CSSでカスタマイズ

「JavaScript / CSSでカスタマイズ」に下記2つを追加しておきます。
https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.3.1/dist/tf.min.js
https://cdn.jsdelivr.net/npm/@teachablemachine/image@0.8/dist/teachablemachine-image.min.js

また、kintone UI Comnponentも追加しておきましょう。

コード本体には（ほぼコピペですが）次のように書きます。
const URL=""内に、先程コピーした共有可能なリンクを貼り付けます。

(() => {
  // レコード追加画面表示時
  kintone.events.on(["app.record.index.show"], function (event) {
    // the link to your model provided by Teachable Machine export panel
    const URL = "【コピーした共有可能なリンク】";

    let model, webcam, labelContainer, maxPredictions;
    // メニュー下の余白
    const sp = kintone.app.getHeaderSpaceElement();
    const btn = new Kuc.Button({
      text: "ボタン",
      type: "submit",
    });
    sp?.appendChild(btn);

    btn.addEventListener("click", async () => {
      const modelURL = URL + "model.json";
      const metadataURL = URL + "metadata.json";

      // load the model and metadata
      // Refer to tmImage.loadFromFiles() in the API to support files from a file picker
      // or files from your local hard drive
      // Note: the pose library adds "tmImage" object to your window (window.tmImage)
      model = await tmImage.load(modelURL, metadataURL);
      maxPredictions = model.getTotalClasses();

      // Convenience function to setup a webcam
      const flip = true; // whether to flip the webcam
      webcam = new tmImage.Webcam(200, 200, flip); // width, height, flip
      await webcam.setup(); // request access to the webcam
      await webcam.play();
      window.requestAnimationFrame(loop);

      // append elements to the DOM
      document.getElementById("webcam-container").appendChild(webcam.canvas);
      labelContainer = document.getElementById("label-container");
      for (let i = 0; i < maxPredictions; i++) {
        // and class labels
        labelContainer.appendChild(document.createElement("div"));
      }
    });

    async function loop() {
      webcam.update(); // update the webcam frame
      await predict();
      window.requestAnimationFrame(loop);
    }

    // run the webcam image through the image model
    async function predict() {
      // predict can take in an image, video or canvas html element
      const prediction = await model.predict(webcam.canvas);
      for (let i = 0; i < maxPredictions; i++) {
        const classPrediction =
          prediction[i].className + ": " + prediction[i].probability.toFixed(2);
        labelContainer.childNodes[i].innerHTML = classPrediction;
        console.log(prediction);
      }
    }
    return event;
  });
})();

まとめ

アプリを開いて「ボタン」をクリックするとカメラが起動し、カメラに映る物が「コップ」か「ケーキ」か見分けてくれます。
（PCのカメラにスマホでいらすとやのイラストを見せてみました）

ケーキ	コップ
ケーキの可能性が濃厚！	コップの可能性が濃厚！