知的センシングの要素技術と実装アプローチ

－AI・センサ融合と異常検知・外観検査等への応用－

【提携セミナー】

主催：サイエンス＆テクノロジー株式会社

受講可能な形式：【ライブ配信(見逃し配信付)】のみ

フィジカルAIの中核を担う、AIとセンサの融合による知的センシング技術について、実装・応用を見据えた実践的アプローチを解説。
人工知能・機械学習の基礎と各種ニューラルネットワークやディープラーニングの原理を踏まえ、外観検査・異常音検出・運転危険度予測等の応用事例や、Mask R-CNNや転移学習を用いた自動検査システムの構築例を通じて、現場導入に向けた実装の考え方や要点を解説します。

セミナー趣旨

センシング技術は、センサを用いて実世界の状態や物理現象を信号・画像として取得する技術であり、近年はAIと組み合わせることで、状態理解・異常診断・将来予測を行う知能化センシングへと発展しています。これらは、実世界を対象とするAI、すなわちフィジカルAIを構成する中核的技術です。

一方、ChatGPTに代表される生成AIが注目される中、生産技術や社会インフラの現場では、実世界のデータをどのようにAIで扱い、課題解決につなげるかが重要な課題となっています。

本セミナーでは、フィジカルAIの基盤技術として、人工知能・機械学習の基礎から各種ニューラルネットワーク、ディープラーニングの原理と応用を解説します。さらに、異常音検出や水道管漏水検出などの実例に加え、ディープラーニングの一例としてMask R-CNNを取り上げ、転移学習を活用した光沢表面部品の自動検査システムを題材に、フィジカルAIを現場に実装するための実践的アプローチを紹介します。

得られる知識

• ニューラルネットワークに関する基礎知識
• ニューラルネットワークを活用するテクニック
• ディープランニングの基礎知識と活用のテクニック
• ディープランニングを用いてシステムを構築する知識と技術

受講対象

AI技術の未経験者や製造業務にたずさわって2~3年の若手技術者・新人の方など。
予備知識：線形代数と微分・積分、確率統計、フーリエ変換の初歩的な知識

担当講師

愛知産業大学　造形学部　スマートデザイン学科　教授　博士(工学)　章 忠　氏

専門：計測工学、知的システム
1993年岡山大学大学院博士課程修了．2004年まで、岡山県工業技術センター，計測制御研究室長・専門研究員，岡山県立大学大学院・助教授．1998年9月から1999年3まで，オーストラリア Melbourne大学客員研究員．2004年10月から2020年3月まで豊橋技術科学大学大学院工学研究科・教授、2020年4月から2025年3月まで広島工業大学工学部知能機械工学科・教授。振動騒音の計測制御，信号処理および異常診断，ウェーブレット変換およびIOT・AI技術の応用などの研究に従事． 現在、愛知産業大学造形学部スマートデザイン学科・教授。
ホームページ：https://researchmap.jp/read0158741

セミナープログラム（予定）

０．はじめに
0.1 フィジカルAIと生成AIの違い
0.2 知的センシングのフィジカルAIにおける位置づけ

１．人工知能(AI)と脳の情報処理
1.1 人工知能(AI)について
1.1.1 人工知能(AI)とは
1.1.2 脳の情報処理とニューラルネットワーク
1.2 機械学習とニューラルネットワーク
1.2.1 機械学習(Machine Learning)の基礎
1.2.2 機械学習・深層学習・ニューラルネットワーク
1.3 機械学習とニューラルネットワークの各種モデル
1.3.1 相互結合型ニューラルネットワークモデル
1.3.2 階層型ニューラルネットワークモデル
1.4 深層学習とディープランニング
1.4.1 深層学習と転移学習
1.4.2 代表的なディープラーニング
1.5 深層学習とビックデータ
1.5.1 良質な学習データが必要
1.5.2 公開された巨大なデータセットを積極的に利用

２．ニューラルネットワークの各種モデルとその知能化センシングへの応用例
2.1 相互結合モデルと応用例
2.1.1 セルラーニューラルネットワーク(CNN)と異常音検出への応用
2.1.2 動的ネットワーク(DRN)とセンサフュージョンへの応用
2.1.3 自己組織マップネットワーク(SOM)と音源定位への応用
2.1.4 ベイジアンネットワークと運転危険度予測への応用
2.2 階層型モデルと応用例
2.2.1 階層型ニューラルネットワークと肝臓病識別問題への応用
2.2.2 サポートベクトルマシンとプリント基板欠陥検査への応用
2.2.3 階層型ニューラルネットワークと特徴抽出における次元削減への応用
2.2.4 階層型ニューラルネットワークと漫然運転の時系列予測問題への応用

３．ディープラーニングの一種である畳み込みニューラルネットワークと応用例
3.1 畳み込みニューラルネットワーク
3.1.1 多層型ニューラルネットワークの限界
3.1.2 畳み込みニューラルネットワーク(CNN)の原理
3.1.3 これまでに提案された代表的なCNNの各種
3.1.4 CNNの水道管漏水検出への応用例
3.1.5 CNNの一種であるOpenPoseの運転行動抽出への応用例
3.2 Mask R-CNNとその表面検査システムへの応用
3.2.1 CNNの表面検査への応用例
3.2.2 CNNのみ検査システムの課題点
3.2.3 Mask R-CNNの特徴
3.2.4 Mask R-CNNを用いる表面自動検査システムの構成
3.2.5 画像計測部の基本構成
3.2.6 欠陥検査部の構成と構築
3.2.7 欠陥検出精度の評価
3.3 人工知能の歴史と適用範囲
3.3.1 人工知能（AI）の歴史
3.3.2 人工知能（AI）の適用範囲

４．まとめ

□ 質疑応答 □

公開セミナーの次回開催予定

開催日

2026/6/12（金）10:30～16:30

開催場所

【WEB限定セミナー】※会社やご自宅でご受講下さい。

受講料

一般受講：本体50,000円＋税5,000円

E-Mail案内登録なら、2名同時申込みで1名分無料
2名で55,000円 (2名ともE-Mail案内登録必須／１名あたり定価半額の27,500円)
3名で82,500円 (3名ともE-Mail案内登録必須) ※4名以上の場合も1名あたり27,500円で受講できます。

テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
1名申込み： 受講料 44,000円(E-Mail案内登録価格 42,020円 )

定価：本体40,000円＋税4,000円
E-Mail案内登録価格：本体38,200円＋税3,820円

※１名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
※※お申込みフォームのメッセージ欄に【テレワーク応援キャンペーン希望】とご記載ください。
※他の割引は併用できません。

★【S&T会員登録】と【E-Mail案内登録】の詳細についてはこちらをご参照ください。

※E-Mail案内登録をご希望の方は、申込みフォームのメッセージ本文欄に「E-Mail案内登録希望」と記載してください。ご登録いただくと、今回のお申込みからE-mail案内登録価格が適用されます。

配布資料

PDFテキスト(印刷可・編集不可)
※開催2日前を目安に、主催者サイトのマイページよりダウンロード可となります。

オンライン配信のご案内

※【Live配信（zoom使用）対応セミナー】についてはこちらをご参照ください

※【WEBセミナー：アーカイブ受講対応セミナー】についてはこちらをご参照ください

備考

※講義の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

特典

■ライブ受講に加えて、見逃し配信でも１週間視聴できます■
【見逃し配信の視聴期間】2026年6月15日(月)～6月21日(日)まで
※このセミナーは見逃し配信付きです。セミナー終了後も繰り返しの視聴学習が可能です。
※ライブ配信を欠席し見逃し視聴のみの受講も可能です。
※視聴ページは、開催翌営業日の午前中には、マイページにリンクを設定する予定です。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。