製造DX実践講座：実例から詳しく学ぶ「AI外観検査」の進め方

セミナー趣旨

近年、製造現場においてDXやIoTなどデジタル化が飛躍的に進む中、AI（Artificial Intelligence、人工知能）の応用が急速に進展しており、大手企業から中小企業までAIを活用した製造プロセスが必須となる時代に入っています。実際、多くの製造現場ではAI外観検査（画像識別）を中心に導入を検討し始めています。

しかし、現実は「狙った識別精度が得られない」という理由から、導入できていない製造現場が驚くほど多いのです。導入を成功させるには、AIのベースとなっている「Deep Learning（深層学習）」に関わる学習データの前処理、良品・不良品データの不均衡、識別根拠の不明確さ、などの課題を解決していく必要があるのです。

そこで、AI画像認識システムの導入において豊富な経験を持つ講師が、AI外観検査の基礎から導入まで、多くの実例を紹介しながら解説するセミナーを開講いたします。AI外観検査の導入に関心ある方は、是非本セミナーを活用ください。

※本セミナーは特定の画像認識システムを営業目的で紹介するものではありません

受講対象・レベル

• AI外観検査の導入を検討している生産技術部や設備関連の管理担当者
• AIやDeepLearninngの応用に関わる管理者、担当者
• 検査の自動化（無人化）、効率化を目指す品質保証管理者

※事前知識は特にありませんので、どなたでも参加いただけます

習得できる知識

• AI外観検査の基礎知識
• Deep Learning（深層学習）の基礎知識
• 学習データの質と量の課題解決方法
• 学習を意識した画像情報の集め方
• AI外観検査導入の成功事例
• 品質保証への対応
• 導入後の運用を通じての精度向上のための考え方

セミナープログラム

1. AI画像認識の基礎
   1. 機械学習と深層学習
   2. 代表的な深層学習モデル
   3. AI画像認識システムの事例紹介
   4. AI外観検査システム導入時の留意点
2. AI画像認識システムの実践【実例紹介】
   1. パン識別システム「BakeryScan」
   2. 不織布の外観検査システム
   3. 油圧部品の外観検査システム
   4. 金属チェーンの外観検査システム
   5. レンガの外観検査システム
3. AI外観検査プロジェクトのはじめ方
   1. AI外観検査の進め方
      「要求定義」と「要件定義」，学習データの取集と用意、PoC：概念実証
   2. 機械学習を意識した画像データの撮影
      「わかりやすい」画像の撮影，検証用画像撮影時の注意，学習が難しい画像
   3. 学習しやすい画像のための前処理
      画像のノイズ／歪みなどを取り除く、明るさや色合いを調整，輪郭強調、領域抽出
   4. 学習データの準備にかかる負荷（必要枚数、ラベルの付与）
   5. 外観検査における学習データ不均衡の問題と対策
   6. 学習データの拡張（Data Augmentation）と注意点
4. 識別根拠の提示と検出精度の維持・改善
   1. Deep Learningは内部分析が困難
   2. 説明可能性・解釈性（XAI）に関する技術
   3. GradCAMによる注目領域の確認
   4. 段階を踏んだ実運用への流れ
   5. 運用時の精度維持・改善方法（MLOps）

セミナー講師

森本 雅和 氏
兵庫県立大学 工学部・大学院工学研究科 准教授

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））。
同年4月、姫路工業大学工学部　助手。
2004年より兵庫県立大学　助手。
2014年、兵庫県立大学大学院工学研究科　准教授となり、現在に至る。
地元企業（ブレイン）との産学連携を通じて、世界初のパン画像識別レジシステム「BakeryScan」を開発。現在は、新たに開発されたカラー画像と同時に物体までの距離を計測できるカラー3次元センサを利用することで、より識別精度の高いシステムを開発。同時に、対象をパン以外にも拡大し、様々な物体を自動識別できるシステムの開発に取り組んでいる。

セミナー受講料

33,000円（消費税込）