セミナー 印刷

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~

受講可能な形式:【ライブ配信】or【アーカイブ配信】のみ

画像認識技術の基礎・原理、画像認識システムの実際、導入実例・運用方法
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、、、高精度識別の外観自動検査を実現するノウハウ
日時 【ライブ配信】 2025年1月28日(火)  13:00~16:30
【アーカイブ配信】 2025年2月12日(水)  まで受付(視聴期間:2/12~2/27)
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の24,750円)
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
1名申込みの場合: 受講料 39,600円(E-Mail案内登録価格 37,840円)
 定価:本体36,000円+税3,600円
 E-Mail案内登録価格:本体34,400円+税3,440円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料PDFデータ(印刷可・編集不可)
※開催2日前を目安に、S&T会員のマイページよりダウンロード可となります。
※アーカイブ配信受講の場合は配信開始日からダウンロード可となります。
オンライン配信ライブ配信(Zoom) ►受講方法・接続確認申込み前に必ずご確認ください
アーカイブ配信 ►受講方法・視聴環境確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・画像認識技術の基礎・原理
・画像認識システムの実際、導入実例・運用方法
対象・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
キーワード:画像認識,AI外観検査,深層学習,機械学習,良品学習,生成AI

セミナー講師

兵庫県立大学 大学院工学研究科 電子情報工学専攻 准教授 博士(工学) 森本 雅和 氏
【講師紹介】
 

セミナー趣旨

 ここ数年、AI(人工知能)の応用が急速に進展しています。DeepLearning(深層学習)が劇的な認識率の向上をもたらしてAI分野を発展させ、生成AIがその応用範囲を広げています。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。

セミナー講演内容

1.AI画像認識システムの開発実例紹介
 1-1 パン識別システム「BakeryScan」
 1-2 不織布の外観検査システム
 1-3 油圧部品の外観検査システム
 1-4 金属チェーンの外観検査システム
 1-5 レンガの外観検査システム

2.AI外観検査プロジェクトのはじめ方
 2-1 AI外観検査の進め方・概念実証(PoC)
 2-2 機械学習を意識した画像データの撮影
 2-3 学習が難しい画像
 2-4 学習しやすい画像のための前処理

3.学習データの量と質の課題
 3-1 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)
 3-2 学習データはどの程度必要か
 3-3 外観検査における学習データ不均衡の問題
 3-4 学習データの拡張,生成AIの活用
 3-5 ラベル付き公開データセットと転移学習による対応

4.識別根拠の課題と品質保証への対応
 4-1 Deep Learningは内部分析が困難
 4-2 説明可能人工知能(XAI)
 4-3 Grad-CAMによる注目領域確認
 4-4 品質保証への対応・段階的なAI外観検査の導入

5.AI外観検査システム導入の進め方まとめ
 5-0 外部資金の獲得
 5-1 不良品の定義確認と不良品サンプルの収集
 5-2 撮影方法の検討
 5-3 撮影装置の導入とデータ収集からPoC
 5-4 初期判定モデルを作成し,プロトタイプとして導入
 5-5 モデル改良と精度検証の繰り返し
 5-6 本格運用開始後の維持管理
 5-7 外観検査プロジェクトを成功させるために

質疑応答