AI外観検査（画像認識）の

はじめ方、すすめ方、精度向上への考え方

《画像認識技術を用いたAI外観検査の現場導入事例と精度向上指針》

■AI画像認識システムの基礎、取り組み方■

■画像データ・画像情報の集め方、準備・前処理■

■識別根拠の課題と品質保証への対応■

【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：【Live配信】or【アーカイブ配信】のみ

AI外観検査の導入プロジェクトの進め方、学習データの準備、前処理、質と量の課題解決、
学習を意識した画像情報の集め方、狙った識別精度の獲得、品質保証への対応
良品・不良品データの不均衡を解決し、現場に最適なAI外観検査を実現し、導入後の運用と精度の向上
高精度識別の外観自動検査を実現するノウハウ

◆　セミナー趣旨

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。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。

◆　得られる知識

• 画像認識技術の基礎・原理
• 画像認識システムの実際、導入実例・運用方法

◆　対象

• 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
• 画像認識・物体解析技術の応用事例を調査している方
• 現場への適用・実装までを見据えたデータサイエンス業務を進めたい方

担当講師

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

セミナープログラム（予定）

１．AI画像認識システムの動向と導入基礎
1.1 AI画像認識の基礎
1.2 代表的な深層学習モデル
1.3 AI画像認識システムの事例紹介
1.4 AI外観検査システム導入時の注意点

２．AI画像認識システムの各種実例
2.1 パン識別システム「BakeryScan」の特徴と実際
2.1.1 BakeryScanのシステム構成
2.1.2 BakeryScanの開発時の課題
2.1.3 BakeryScanの現場導入時の課題
2.2 不織布画像検査システムの特徴と実際
2.2.1 不織布の異物検査
2.2.2 既存の画像検査システムの課題
2.2.3 不織布画像検査システムの構成と特徴
2.2.4 機械学習による異物判別
2.3 油圧部品についての自動外観検査システムの特徴と実際
2.3.1 油圧部品外観検査の課題
2.3.2 One Class SVM（OCSVM）による良品学習
2.3.3 OCSVMの課題とVAEによる異常検出
2.3.4 二次識別による誤検出の改善
2.4 チェーン製造ラインにおける外観検査
2.4.1 チェーン外観検査の課題
2.4.2 チェーン外観検査システムの構成
2.4.3 オートエンコーダによる良品学習と異常検知
2.5 耐火レンガの外観検査
2.5.1 耐火レンガ外観検査の課題
2.5.2 耐火煉瓦外観検査システムの構成
2.5.3 画像処理による初期検査とAIによる二次検査

３．AI外観検査のはじめ方と機械学習を意識した画像データ準備・前処理
3.1 AI外観検査の進め方
3.1.1 検査項目の網羅と評価基準の明確化
3.1.2 PoC(Proof of Concept)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
3.2.1 撮影環境の工夫
3.2.2 照明による撮影画像の違い
3.2.3 検証用画像撮影時の注意
3.3 学習が難しい画像
3.3.1 撮影環境や条件のばらつき
3.3.2 背景による誤認識
3.4 学習しやすい画像のための前処理
3.4.1 前処理としてのルールベース画像処理
3.4.2 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 外観検査における学習データ不均衡の問題
4.4 学習データの拡張と生成系AIの活用
4.5 学習済みモデルからの転移学習の活用

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 GradCAMによる注目領域確認
5.4 段階を踏んだ実運用
5.5 運用開始後の精度維持・向上

６．まとめ
6.1 実用化に至らない原因
6.2 AI画像認識システム実用化を成功させるには

□質疑応答

公開セミナーの次回開催予定

開催日

【LIVE配信】2024/1/23（火） 13:00～16:30

【アーカイブ配信】 2024/2/2（金） まで受付（視聴期間：2/2～2/16）

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45,000円＋税4,500円
E-Mail案内登録価格：本体42,700円＋税4,270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49,500円 (2名ともE-Mail案内登録必須​／１名あたり定価半額24,750円)

※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名申込みの場合：受講料( 定価：37,400円／E-mail案内登録価格 35,640円 )

定価：本体34,00円＋税3,400円
E-mail案内登録価格：本体32,400円＋税3,240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】希望と明記してください。
※他の割引は併用できません。

※お申込後、セミナー主催者（サイエンステクノロジー社）がS&T会員登録をさせて頂きます。
（S&T会員登録はセミナー受講に必要な登録であり、E-mail案内登録とは異なります。）

【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データ(印刷可・編集不可)
※開催2日前を目安に、S＆T会員のマイページよりダウンロード可となります。
※アーカイブ配信受講の場合は配信開始日から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

※講義中の録音・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。

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。

★【LIVE配信】、【アーカイブ配信】のどちらかご希望される受講形態をメッセージ欄に明記してください。