■１日目■　2026年1月26日(月) 13:00～16:30
AI外観検査（画像認識）のはじめ方、すすめ方、精度の向上
～高精度識別の外観自動検査を実現する知識とノウハウ～

＜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

＜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。

＜プログラム＞
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
　3-6 生成AIの活用

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□
 

---

■２日目■　2026年1月27日(火) 10:30～16:30
外観検査における目視検査＆自動検査での品質チェック・ノウハウ
～よくある品質トラブルへの対策～

＜セミナー講師＞
北廣技術士事務所 所長　北廣 和雄　氏
博士（工学）、技術士（経営工学、総合技術監理）

＜趣旨＞
　製品のキズや異物など“外観品質”は、顧客より厳しく保証が求められる重要品質特性である。外観品質の保証は、全数保証が求められる。現場そして経営にとり難度が高い、産業共通の重要課題である。外観検査が行われるが、試行錯誤や間違った理解から効果がえらない状況が散見される。体系的に外観検査を学び、正しい外観検査の理解と方法を解説する。

＜得られる知識・技術＞
　本セミナーでは、外観検査の原則・ポイントを体系的に理解し、実務・実践におけるノウハウの習得及び注意すべきポイントを身につける。

＜プログラム＞
１．品質を取り巻く状況と外観品質
　1.1 外観品質とは
　1.2 外観品質の状況、課題と背景
　1.3 外観品質の扱い方、測定評価を考える

２．外観検査の基本と方法、ポイント
　2.1 外観検査とは
　2.2 外観検査方法の分類と特徴、強点、弱点
　2.3 外観検査の現状と問題点
　2.4 外観検査設計の原則と方法
　2.5 科学的見方による外観検査方法の設計
　2.6 フォーゾーンメソッドによる検査設計

３．目視検査実施のポイント
　3.1 最適な目視方法と手順
　3.2 外観見本の理解と作成・適用
　3.3 目視検査における間違を理解する
　3.4 検査員（パネル）配置設計
　3.5 熟練検査員の技能の継承方法
　3.6 作業環境・作業の流れ・段取り方法
　3.7 標準化・検査員（パネル）教育

４．自動検査の導入・実施のポイント
　4.1 自動検査と自動検査の特質
　4.2 自動検査の基本の基本、AI活用における留意点
　4.3 自動検査導入における原則と注意点

５．目視検査と自動検査の併用方法とポイント
　5.1 併用方法の分類と特徴
　5.2 効果的・効率的な併用方法

６．外観品質の苦情・クレームへの取り組み方のポイントと改善の進め方
　6.1 外観品質の苦情・クレームの特質
　6.2 苦情・クレームへの取り組み方の原則と方法
　6.3 外観品質の改善の進め方とポイント

　　□ 質疑応答 □