AI外観検査導入のための基礎と進め方・留意点【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　AI外観検査導入のための基礎と進め方・留意点【提携セミナー】

開催日時	【LIVE配信】2024/12/9（月） 12:30～16:30 , 【アーカイブ配信】12/10～12/17　（何度でも受講可能）
担当講師	森本雅和氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	-
受講費	非会員： 49,500円（本体価格：45,000円）会員： 46,200円（本体価格：42,000円）

AI外観検査導入のための基礎と進め方・留意点

《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》

【提携セミナー】

主催：株式会社R&D支援センター

◆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。

◆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

◆受講対象

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

◆必要な前提知識

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

◆キーワード

外観検査,AI,画像検査,セミナー

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

【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

セミナープログラム（予定）

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】