【オンデマンド配信】
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~
視聴期間:申込日含め10営業日(期間中は何度でも視聴可)
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
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 | 2025年4月28日(月) 23:59まで申込み受付中/ ※映像時間:約3時間7分 |
|
---|---|---|
収録日時 | 2025年1月28日 | |
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)
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):マイページよりダウンロード ※資料のあらゆる二次的な利用は固く禁じます。 講師メールアドレスの掲載:有(セミナーに関する質問に限りメールで質問が可能です) ※ご質問の内容や時期によっては、ご回答できない場合がございますのでご了承下さい。 | |
オンライン配信 | オンデマンド配信 ►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 | ※録音・撮影、複製は固くお断りいたします。 ※講師の所属などは、収録当時のものをご案内しております | |
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 | 企業や大学で、 ・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】
【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。
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
1-1 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
関連商品
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。