第1講 機械学習の外観検査への応用

(2017年6月28日 10:30〜12:30)

1. 外観検査概要
2. 画像認識技術概要
   1. なぜ伸びているか
3. 画像の撮影
   1. 撮影画像の課題
4. 外観検査技術
   1. 機械学習の概要
      1. ルールベースと学習ベース
      2. 学習ベースの課題
   2. 学習方法の種類
      1. 教師あり学習
      2. 教師なし学習
      3. 半教師あり学習
      4. 学習方法の選択方法
   3. 特徴量の設計
      1. 特徴量の種類
      2. 特徴量の次元数とデータ数
      3. データオーギュメンテーション
   4. 性能評価方法
      1. 評価指標
         • 未検出
         • 過検出
         • ROC
         • AUC
         • DETなど
      2. オーバーフィットとアンダーフィット
      3. 未学習データに対する認識性能
      4. 交差検定
   5. 実例
      1. 簡単な特徴量・モデル
      2. 少し複雑な特徴量・モデル
5. 画像認識・機械学習による外観検査の今後

第2講 外観検査の画像処理とその実際

(2017年6月28日 13:30〜16:30)

1. デジタル画像の数理と基本事項
   1. 標本化、量子化の理論
      1. シャノンの標本化定理
      2. OK量子化理論
      3. 画像デジタル化の統一理論
   2. 画像処理技術概観
      1. ピクセル指標
      2. 多元ヒストグラムと共起ヒストグラム画像CFI
      3. 平滑化、エッジ検出
2. エッジ検出四大原理について
   1. 濃度値指標
   2. コントラスト・濃度勾配指標
   3. 狭隘指標とCFI画像
   4. リンギング指標、など
3. 大局視覚の画像処理とHough変換
   1. 基本原理と拡張
      • 直線、円、楕円/GHT/EHT (全単射変換関数)
   2. 高速化、効率化、高性能化のアルゴリズム
      • PLHT
      • FHI
      • CHT
      • RHT など
   3. Hough変換の今後の展開
4. 画像検査問題と万能検査法
   1. 画像検査のKIZKIアルゴリズム
      • 周辺視と固視微動
   2. 深層学習とKIZKIアルゴリズム
   3. 適用事例と今後
5. 画像産業応用現場の概観
   1. SSIIの学術活動
   2. ViEW、DIAの学術活動
   3. 今後の展望