第1部. 外観検査の基礎と目視/自動検査の進め方

(2018年8月27日 10:00〜11:30)

1. 検査の目的
2. 検査段階の設定 (受け入れ時、製造工程、出荷のための試験)
3. 検査項目の選定とランク付け
4. 外観検査の手法、検査の標準化、検査の正確性
5. 検査ロットの構成と検査数量
6. 検査結果の評価
• 質疑応答

第2部. 人工知能を使った外観検査のポイント～基礎～

(2018年8月27日 12:15〜15:15)

　昨今の人工知能ブームに伴い、機械学習、特に深層学習 (ディープラーニング) の外観検査への適用に期待が集まっています。深層学習は end – to – end の学習により認識器を自動構築できる大きなメリットがある反面、産業の現場においては、膨大な学習データが必要、処理内容がブラックボックスになる、といったデメリットが障害になっています。
　本講演では、機械学習の基礎、明示的な特徴空間を用いる従来手法、深層学習を用いる最近の手法の基礎、並びに機械学習、特に深層学習を外観検査に用いる際の課題とその解決方法について、機械学習が専門ではない方々にも分かり易い解説を行います。

1. 人工知能と機械学習
   1. 人工知能における考え方の推移
   2. 機械学習の様々な手法の概要
   3. 教師あり/なし学習と半教師つき学習
2. 深層学習超入門
   1. ニューラルネットワーク入門
   2. 深層学習の基礎
   3. 深層学習の利用方法と最近の手法
3. 機械学習による外観検査の基礎
   1. 明示的な特徴空間を用いる外観検査
   2. 深層ニューラルネットによる外観検査
   3. 時系列データに対する異常検知
4. 機械学習による外観検査の課題と解決法
   1. 深層ニューラルネットの最適化
   2. 学習データの水増し法
   3. 深層学習の“処理の見える化”
   4. 処理が分かり易い外観検査とは?
5. まとめと今後の課題
• 質疑応答

第3部. 機械学習による画像処理プログラムの自動生成法

(2018年8月27日 15:30〜17:30)

　製造現場における検査や組立の自動化に画像AI技術を適用するための課題やポイントを事例を交えて紹介する。特に、マスカスタマイゼーションの流れで多品種変量生産が求められる現場で、位置決めや検査を実行するための画像処理プログラムを自動生成・修正するためのAI技術として、遺伝的アルゴリズムを用いた手法について解説する。本手法は、少ない学習データでも最適解が得られること、および生成されたプログラムの可読性を特長としており、生産ラインの早期立ち上げや、照明などの環境変化への柔軟な対応が可能となる。

1. ものづくりにおける画像処理技術
   1. 照明・撮像方法
   2. 画像処理
   3. 生産現場での課題
2. 機械学習 (遺伝的プログラミング) による画像処理プログラムの自動生成法
   1. 開発技術の特徴
   2. 位置決めへの適用
   3. 良否判断への適用
   4. 実施例と効果
3. 今後の展開
   1. クラウド化
   2. 学習データの管理
• 質疑応答