課題解決、品質向上、技術向上のセミナーならTH企画セミナーセンター

品質向上にAI技術を役立てるための

AI外観検査導入のためのポイント
~AI画像認識技術の基礎から導入そして品質保証への対応まで~
【WEB受講(Zoomセミナー)

WEB受講

エレクトロニクス機械

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する特別セミナー!!

講師
兵庫県立大学 大学院工学研究科 准教授 博士(工学)森本  雅和  先生
日時
会場
※本セミナーはWEB受講のみとなります。
受講料
(消費税等込み)1名:44,000円 同一セミナー同一企業同時複数人数申込みの場合 1名:38,500円
テキスト

受講概要

受講形式
WEB受講のみ
 ※本セミナーは、Zoomシステムを利用したオンライン配信となります。


受講対象
AI外観検査システムの導入を検討している製造業技術者など
経験不問


予備知識
特に必要なし


習得知識
1)AI画像認識プロジェクトの進め方について基礎知識
2)具体的なAI画像認識システムの開発例に関する知見 など


講師の言葉
 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、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動向と導入基礎
1-1 国内外のAI画像認識の最新事例
1-2 AI画像認識システムの利点・欠点
1-3 AI画像認識システム導入時の留意点

2.AI画像認識システムの実例
2-1 パン識別システム「BakeryScan」
  ① BakeryScanのシステム構成/②画像からの特徴量抽出/③パン識別にかかる課題/
  ④現場導入時の課題/⑤BakeryScanのアルゴリズムの改良
2-2 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
2-3 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
2-4 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/③One Class SVM(OCSVM)による良品学習/
  ④OCSVMの課題/⑤VAEによる異常検出/⑥誤検出率の改善

3.AI外観検査のはじめ方と機械学習を意識した画像
3-1 AI外観検査の進め方
  ①評価基準の明確化/②「わかりやすい」画像の撮影/③PoC:概念実証
3-2 機械学習を意識した画像データ(学習データ)の準備
  ①画像データの取得/②画像撮影時の注意
3-3 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
3-4 学習しやすい画像のための前処理
  ①前処理としての画像処理/②画像の「標準化」・「白色化」

4.学習データの量と質の課題
4-1 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)
4-2 学習データはどの程度必要か
4-3 学習データの不均衡の問題と対策
4-4 学習データの拡張(Data Augmentation)と注意点
4-5 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
5-1 Deep Learningは内部分析が困難
5-2 説明可能性・解釈性(XAI)に関する技術
5-3 Deep Learningが着目しているところ(Grad-CAM)

6.AI画像認識システム導入の進め方(「2」の事例をもとに)
6-1 要求定義の取りまとめ
6-2 AI機能の選定
6-3 社内教育とプロジェクトの立ち上げ(産学連携助成の活用等)
6-4 学習データの準備
6-5 概念実証(PoC)
6-6 ラインでの実運用
6-7 運用による精度向上(MLOps)


講師紹介
略歴
1998年 大阪大学大学院工学研究科通信工学専攻博士後期課程終了(博士(工学))
1998年4月 姫路工業大学工学部 助手
2004年 兵庫県立大学 助手
2014年 兵庫県立大学大学院工学研究科 准教授(現職)
所属学会
IEEE,電子情報通信学会,映像情報メディア学会

関連セミナー

分かる、伝わる、納得できる文書(報告書・レポート)の書き方 ~結果を成果にする文書のコツ・ポイント~【WEB受講(Zoomセミナー)】※録画視聴はありません

エレクトロニクス化学機械

WEB受講

具体的なクリーンルームの管理手法と現場からみた異物混入対策【WEB受講(Zoomセミナー)】

エレクトロニクス機械

WEB受講

~マニュアルをどんなに作っても「ポカミス」が減らない理由~ “ルール強化はもう限界” ヒューマンエラーから脱却するための「人間重視のヒューマンエラー防止法」 〜ヒューマンエラーは人間が引き起こす、それなら人間が防げる!〜 〜即日、簡単に実践でき効果がある「斬新な防止法」を学ぶ!〜 -「演習」&「無料コンサル権利」付き-【会場/WEB選択可】

エレクトロニクスソフトウェア化学機械食品・化粧品

会場受講WEB受講

組込ソフトウェア初めの第一歩 ~組込ソフトウェアはハードウェアとソフトウェアの二刀流~【WEB受講(Zoomセミナー)】

ソフトウェア機械

WEB受講

XR(VR・AR・MR)技術の概要・技術・最新動向・事例・導入方法【WEB受講(Zoomセミナー)】

エレクトロニクスソフトウェア化学医薬機械食品・化粧品

WEB受講

Image Quality Assessment:画像の品質を高精度に評価する方法のノウハウ ~PSNR(リファレンス型)から最新の深層学習法(ノンリファレンス型)まで~【WEB受講(Zoomセミナー)】※録画視聴はありません

エレクトロニクス機械

WEB受講

~ 5 つの失敗原因とその対策を知らずして、御社の DX は成功しない ~ 一番金がかからない設計部門の DX 成功方法【WEB受講(Zoomセミナー)】

エレクトロニクスコンサルティング機械

WEB受講