AI外観検査導入のための基礎と進め方・留意点
| 開催日 | 12:30 ～ 16:30 |
|---|---|
| 主催者 | （株）Ｒ＆Ｄ支援センター |
| キーワード | 自動検査 AI（人工知能） 機械学習・ディープラーニング |
| 開催エリア | 全国 |
| 開催場所 | 【WEB限定セミナー】※会社やご自宅でご受講下さい。 |
★AI画像認識技術の基礎、導入プロジェクトの進め方、品質保証への対応※Zoomを使ったWEBセミナーです。在宅、会社にいながらセミナーを受けられます。アーカイブ【視聴期間：12/10～12/17】での受講もお選びいただけます。希望される方は申込フォームにてご選択ください。
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【略 歴】 1998年3月 大阪大学大学院 工学研究科 通信工学専攻 博士後期課程修了1998年4月～2004年3月 姫路工業大学 工学部 助手2004年4月～2014年9月 兵庫県立大学大学院 工学研究科 助手・助教2014年10月～ 兵庫県立大学 大学院 工学研究科 准教授2019年4月～ 兵庫県立大学 先端医工学研究センター 副センター長2019年4月～ 兵庫県立大学 人工知能研究教育センター 兼務
セミナー受講料
49,500円（税込、資料付）■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合46,200円、 2名同時申込の場合計49,500円（2人目無料：1名あたり24,750円）で受講できます。（セミナーのお申し込みと同時に会員登録をさせていただきますので、 今回の受講料から会員価格を適用いたします。）※ 会員登録とは ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。 すべて無料で年会費・更新料・登録費は一切かかりません。 メールまたは郵送でのご案内となります。 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。
受講について
Zoomを使ったWEB配信セミナー受講の手順
- Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
- セミナー前日までに必ず動作確認をお願いします。
- 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。
- セミナー資料は開催前日までにお送りいたします。ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。開催まで4営業日～前日にお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますことご了承下さい。
- 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
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。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、「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。画像データの前処理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。
受講対象・レベル
・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
必要な予備知識
特に予備知識は必要ありません。基礎から解説いたします。
習得できる知識
・AI画像認識技術の基礎・原理・AI画像認識システム導入の進め方・画像取得の際の留意点
セミナープログラム
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
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 説明可能性・解釈性（XAI）に関する技術 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】