技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

AI外観検査 (画像認識) のはじめ方、すすめ方、精度向上への考え方

AI外観検査 (画像認識) のはじめ方、すすめ方、精度向上への考え方

～画像認識技術を用いたAI外観検査の現場導入事例と精度向上指針～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

視聴期間は2024年2月2日〜16日を予定しております。
お申し込みは2024年2月2日まで承ります。

概要

本セミナーでは、中小製造現場でいくつかの導入実績をあげた講師が、自身が手がけたAI外観検査の取り組みを紹介。活動事例を通じて、AI外観検査の導入プロジェクトの進め方から学習データの質と量の課題、学習を意識した画像情報の集め方、品質保証への対応までを解説いたします。

配信期間

  • 2024年2月2日(金) 13時00分 ～ 2024年2月16日(金) 16時30分

お申し込みの締切日

  • 2024年2月2日(金) 13時00分

受講対象者

  • AI関連技術・画像認識技術による外観検査業務の効率化や自動化・無人化を検討中の方、着手し始めた方
  • 画像認識・物体解析技術の応用事例を調査している方
  • 現場への適用・実装までを見据えたデータサイエンス業務を進めたい方

修得知識

  • 画像認識技術の基礎・原理
  • AI画像認識システムの基礎、取り組み方
  • 画像データ・画像情報の集め方、準備・前処理
  • 識別根拠の課題と品質保証への対応

プログラム

　ここ数年、AI (Artificial Intelligence、人工知能) の応用が急速に進展しています。劇的な認識率の向上をもたらしAI分野を発展させたのが、脳の働きからヒントを得た学習手法である「Deep Learning (深層学習) 」のアルゴリズムであり、実装が容易なライブラリの登場により、画像認識を中心に利用例が報告されています。かたや、製造現場ではAI外観検査 (画像識別) を中心に導入プロジェクトが立ち上がっていますが、狙った識別精度が得られず、導入に至らない例が聞かれます。学習データ (画像データ) の前処理 (データクレンジング) にかかる負担や良品・不良品データの不均衡がおもな原因にあげられます。また、特にDeep Learningでは識別にかかる根拠がわかりにくく、品質保証の観点から導入を見送る現場も多いです。
　そこで、本講座は中小製造現場でいくつかの導入実績をあげた講師が、自身が手がけたAI外観検査の取り組みを紹介。活動事例を通じて、AI外観検査の導入プロジェクトの進め方から学習データの質と量の課題、学習を意識した画像情報の集め方、品質保証への対応までを解説します。さらには、導入後の運用を通じての精度向上のための考え方にも触れます。

  1. AI画像認識システムの動向と導入基礎
    1. AI画像認識の基礎
    2. 代表的な深層学習モデル
    3. AI画像認識システムの事例紹介
    4. AI外観検査システム導入時の注意点
  2. AI画像認識システムの各種実例
    1. パン識別システム「BakeryScan」の特徴と実際
      1. BakeryScanのシステム構成
      2. BakeryScanの開発時の課題
      3. BakeryScanの現場導入時の課題
    2. 不織布画像検査システムの特徴と実際
      1. 不織布の異物検査
      2. 既存の画像検査システムの課題
      3. 不織布画像検査システムの構成と特徴
      4. 機械学習による異物判別
    3. 油圧部品についての自動外観検査システムの特徴と実際
      1. 油圧部品外観検査の課題
      2. One Class SVM (OCSVM) による良品学習
      3. OCSVMの課題とVAEによる異常検出
      4. 二次識別による誤検出の改善
    4. チェーン製造ラインにおける外観検査
      1. チェーン外観検査の課題
      2. チェーン外観検査システムの構成
      3. オートエンコーダによる良品学習と異常検知
    5. 耐火レンガの外観検査
      1. 耐火レンガ外観検査の課題
      2. 耐火煉瓦外観検査システムの構成
      3. 画像処理による初期検査とAIによる二次検査
  3. AI外観検査のはじめ方と機械学習を意識した画像データ準備・前処理
    1. AI外観検査の進め方
      1. 検査項目の網羅と評価基準の明確化
      2. PoC (Proof of Concept) 概念実証
    2. 機械学習を意識した画像データ (学習データ) の準備
      1. 撮影環境の工夫
      2. 照明による撮影画像の違い
      3. 検証用画像撮影時の注意
    3. 学習が難しい画像
      1. 撮影環境や条件のばらつき
      2. 背景による誤認識
    4. 学習しやすい画像のための前処理
      1. 前処理としてのルールベース画像処理
      2. 画像の「標準化」「白色化」
  4. 学習データの量と質の課題
    1. 学習データの準備にかかる負荷 (画像の収集、ラベルの付与)
    2. 学習データはどの程度必要か
    3. 外観検査における学習データ不均衡の問題
    4. 学習データの拡張と生成系AIの活用
    5. 学習済みモデルからの転移学習の活用
  5. 識別根拠の課題と品質保証への対応
    1. Deep Learningは内部分析が困難
    2. 説明可能性・解釈性 (XAI) に関する技術
    3. GradCAMによる注目領域確認
    4. 段階を踏んだ実運用
    5. 運用開始後の精度維持・向上
  6. まとめ
    1. 実用化に至らない原因
    2. AI画像認識システム実用化を成功させるには
    • 質疑応答
ページのトップヘ

講師

  • 森本 雅和 氏
    兵庫県立大学 大学院 工学研究科
    准教授
ページのトップヘ

主催

サイエンス＆テクノロジー 株式会社
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 32,400円 (税別) / 35,640円 (税込)
複数名
: 22,500円 (税別) / 24,750円 (税込)

複数名受講割引

  • 2名様以上でお申込みの場合、1名あたり 22,500円(税別) / 24,750円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 32,400円(税別) / 35,640円(税込)
    • 2名様でお申し込みの場合 : 2名で 45,000円(税別) / 49,500円(税込)
    • 3名様でお申し込みの場合 : 3名で 67,500円(税別) / 74,250円(税込)
  • 同一法人内 (グループ会社でも可) による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

アーカイブ配信セミナー

  • 「ビデオグ」を使ったアーカイブ配信セミナーとなります。
  • 当日のセミナーを、後日にお手元のPCなどからご視聴ができます。
  • お申し込み前に、 視聴環境 をご確認いただき、 視聴テスト にて動作確認をお願いいたします。
  • 別途、ID,パスワードをメールにてご連絡申し上げます。
  • 視聴期間は2024年2月2日〜16日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナー資料は、PDFファイルをダウンロードいただきます。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ