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

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技術

AI活用で精度向上・品質保証を両立させるための

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技術

～基礎から導入そして品質保証への対応まで～
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
  • ライブ配信セミナーには、特典としてアーカイブ配信が付きます。
  • アーカイブ配信の視聴期間は2026年9月23日〜29日を予定しております。
  • ライブ配信を受講しない場合は、「アーカイブ配信」をご選択ください。

概要

本セミナーでは、AI画像認識プロジェクトの進め方、画像情報の集め方、品質保証への対応、具体的なAI画像認識システムの開発例に関する知見について、製造現場での導入実績やAI外観検査の実例を踏まえ、実践的にわかりやすく解説いたします。

開催日

  • 2026年9月16日(水) 13時00分 ～ 16時30分

受講対象者

  • 外観検査システムを運用する現場担当者
  • プロジェクト導入の意思決定を行う経営者・責任者など

修得知識

  • AI画像認識プロジェクトの進め方
  • 具体的なAI外観検査システムの開発例
  • AI画像認識プロジェクトを進めるための画像収集時の注意事項

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。さらに生成AIの登場により、無学習外観検査システムの実現可能性が議論され始めています。
　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など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、生成AIの外観検査への活用法や、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実例
    1. パン識別システム「BakeryScan」
      1. パン識別システムの中身
      2. 開発時の課題
      3. パン画像認識システムの学習
      4. 現場導入時の課題
      5. BakeryScanの改良
      6. 応用展開
    2. 不織布画像検査システム
      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. 油圧部品の自動外観検査システム
      1. 外観検査の課題
      2. 画像撮影方法の検討
      3. オートエンコーダによる良品学習
      4. 誤検出の原因
      5. 二次識別器による改善
      6. 内視鏡画像検査システムへの展開
      7. Patchcoreによる異常検知
    4. 金属チェーン画像検査システム
      1. チェーンの外観検査
      2. チェーン画像検査システムの構成と特徴
      3. 良品学習による異常検知
    5. 耐火レンガの画像検査システム
      1. 構築した外観検査システム
      2. レンガ画像による寸法計測
      3. 凹凸の判定
      4. 欠け・亀裂の検出
  2. AI外観検査のはじめ方と機械学習を意識した画像
    1. AI外観検査の進め方
      1. AI外観検査の利点・欠点
      2. 検査項目の網羅・評価基準の明確化
      3. PoC:概念実証
      4. AI外観検査の目標設定
    2. 機械学習を意識した画像データ (学習データ) の準備
      1. 「わかりやすい」画像の撮影
      2. 画像撮影時の注意
    3. 学習が難しい画像
      1. 背景による誤認識
      2. 学習データの偏り
    4. 学習しやすい画像のための前処理
  3. 前処理としての画像処理
  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. 学習データの不均衡の問題と対策
      1. アンダーサンプリング
      2. オーバーサンプリング
      3. 重み付け
      4. データクレンジング
    4. 学習データの拡張、生成AIの活用
    5. ラベル付き公開データセットと転移学習による対応
  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. Deep Learningが着目しているところ
      • Grad-CAM
      • Vision Transformer
    4. 品質保証への対応
      • AI外観検査と目視検査の連携
      • 段階的なAI外観検査の導入
  6. AI画像認識システム導入の進め方
    1. 外部資金の獲得
    2. 不良品の定義確認と不良品サンプルの収集
    3. 撮影方法の検討
    4. 撮影装置を現場に導入し、データ収集からPoCの実施
    5. 初期判定モデルを作成し、プロトタイプとして導入
    6. モデル改良 (変更) と精度検証を繰り返す
    7. 本格運用開始後の維持管理
    8. AI画像外観検査プロジェクトを成功させるためには
  7. 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

株式会社TH企画 (TH企画セミナーセンター)
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
: 40,000円 (税別) / 44,000円 (税込)
複数名
: 35,000円 (税別) / 38,500円 (税込)

受講者の声
  • カメラ検査による不良品排出を検討し、非常に苦労した経験があります。今後また検討することがあった場合は、本日の講演でお話しいただいたポイント (試作開発の段階で小さく早く失敗すること、現場でのデータ収集およびラベリングの方法等…) をふまえ活かしたく思います。ありがとうございました。
  • 概念的な内容と具体的な内容の両方がバランスよく含まれていた点、セミナータイトルの通り「ポイント」が分かりやすく示されていた点が良かったです。AI導入の勝率はそれほど高くなく導入に至らなかった例もある、というリアルなお話を伺えたのも良かったです。
  • 画像処理やAIについての知見がない素人でも、分かりやすく楽しく拝聴させていただきました。パンの識別や車の自動運転、Amazonといった実用例も挙げていただき、とても面白かったです。
  • AI導入に関しての進め方について理解が深まった点が良かった。質問にも丁寧にお答いただき参考になりました。
  • 森本先生、分かり易い説明有難う御座いました。今後のAI導入開発に役立てたいと思います。

複数名同時申込割引について

複数名で同時に申込いただいた場合、1名様につき 35,000円(税別) / 38,500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 40,000円(税別) / 44,000円(税込)
  • 2名様でお申し込みの場合 : 2名で 70,000円(税別) / 77,000円(税込)
  • 3名様でお申し込みの場合 : 3名で 105,000円(税別) / 115,500円(税込)

ライブ配信対応セミナー / アーカイブ配信対応セミナー

  • 「Zoom」を使ったライブ配信またはアーカイブ配信セミナーのいずれかをご選択いただけます。
  • お申し込み前に、 Zoomのシステム要件 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は、PDFファイルを配布予定です。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • 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。

ライブ配信セミナーをご希望の場合

  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

アーカイブ配信セミナーをご希望の場合

  • 当日のセミナーを、後日にお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 配信開始となりましたら、改めてメールでご案内いたします。
  • 視聴サイトにログインしていただき、ご視聴いただきます。
  • 視聴期間は2026年9月23日〜29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。
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

これから開催される関連セミナー

開始日時 会場 開催方法
2026/10/30 CMOSイメージセンサの基礎講座 オンライン
2026/11/2 CMOSイメージセンサの基礎講座 オンライン
2026/11/4 品質管理の基礎 (4) オンライン
2026/11/4 生成AIを活用した製造業の文書作成実務 オンライン
2026/11/6 製造プロセスにおけるソフトセンサ技術の基礎と実務活用 オンライン
2026/11/10 製造プロセスにおけるソフトセンサ技術の基礎と実務活用 オンライン
2026/11/10 第一原理計算と機械学習を用いた材料設計と応用展開 オンライン
2026/11/12 生成AIによるGMP品質管理の革新と承認書整合性確保のポイント オンライン
2026/11/13 音・振動・画像・センサデータを統合するマルチモーダルAIによる異常検知・故障診断の基礎と実践 オンライン
2026/11/13 Pythonを用いた実験データ解析のポイントと機械学習入門 オンライン
2026/11/13 生成AIによるGMP品質管理の革新と承認書整合性確保のポイント オンライン
2026/11/13 生成AIを活用した製造業の文書作成実務 オンライン
2026/11/13 市場クレームの深刻さに応じた検査基準・規格値と安全係数決定法 オンライン
2026/11/16 音・振動・画像・センサデータを統合するマルチモーダルAIによる異常検知・故障診断の基礎と実践 オンライン
2026/11/16 EMCの基礎と機械学習・深層学習の応用技術 オンライン
2026/11/16 市場クレームの深刻さに応じた検査基準・規格値と安全係数決定法 オンライン
2026/11/17 EMCの基礎と機械学習・深層学習の応用技術 オンライン
2026/11/18 生成AIによる異常検知技術と効率的な学習データの作成 オンライン
2026/11/18 マテリアルズ・インフォマティクスの実践のためのデータの生成・蓄積・活用方法 オンライン
2026/11/19 アコースティック・エミッション (AE) 計測の基礎とノイズ対策・損傷評価への活用 オンライン
ページのトップヘ