☆☆☆Web配信セミナー☆☆☆

『中小製造現場におけるAI画像検査の始め方と画像データ収集のポイント』　

 S200825A

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

　

　開催日時：2020年8月25日（火）11:00-16:00
　受 講 料：お1人様受講の場合　46,000円[税別]／1名
　　　　　　1口でお申込の場合　57,000円[税別]／1口（3名まで受講可能）

　★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
　お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。

　★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
　講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

　★受講中の録音・撮影等は固くお断りいたします。

　　

　森本雅和（もりもとまさかず）　氏　

　　兵庫県立大学　工学部・大学院工学研究科　准教授（博士（工学））

　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メリット
　　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」
　　①BakeryScanのシステム構成　/　②BakeryScanの画像処理（特徴量の抽出方法等）　/　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　油圧部品の自動外観検査システム
　　①外観検査の課題　/　②正常・異常判別と機械学習による2クラス分類　/　③AIの限界とデータセットの不均衡　/　④ONE Class SVM（OCSVM）による良品学習　/　⑤OCSVMの課題とVAEによる異常検出　/　⑥導入した外観検査システムとロボットのハンドカメラによる撮像　/　⑦VAEによる傷検出と誤検出の改善

　3　AI画像検査のはじめ方と機械学習を意識した画像データ収集

　　3.1　AI画像検査の進め方
　　①学習データの取集と用意　/　②各種機械学習の検証　/　③転移学習の活用
　　3.2　機械学習を意識した画像データ（学習データ）の収集
　　①画像データの形式　/　②学習データ（データセット）の準備　/　③必要な学習データ
　　3.3　学習が難しい画像
　　①撮影環境や条件のばらつき　/　②NG・OKの差異がわかりにくい/③キズなど一方向からでは見づらいなど
　　3.4　学習しやすい画像のための前処理
　　①画像のノイズ　/　歪みなどを取り除く　/　②明るさや色合いを調整/　③輝度調整　/　④オブジェクトの輪郭を強調　/　⑤領域抽出

　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　外観検査における学習データの質の課題（データの不均衡）
　　4.4　学習データの拡張（Data Augmentation）
　　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（ネットワークの可視化）
　　5.4　品質保証への対応（AI外観検査と目視検査との連携／段階的なAI外観検査の導入）

　6　AI画像検査システム導入の進め方

　　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