セミナー

中小製造現場の導入事例で学ぶ!
AI外観検査のはじめ方と機械学習を意識した画像情報の取得

開催主旨

 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。

概要

日時

2020年2月3日(月)13:00~17:00

会場 日刊工業新聞社 大阪支社セミナールーム
受講料

33,000円(テキスト代、税込)

※振込手数料は貴社でご負担願います。

主催 日刊工業新聞社
協力 兵庫県立大学 森本研究室
お問い合わせ先 日刊工業新聞社
大阪支社 事業出版部 セミナー係
TEL : 06-6946-3382
FAX : 06-6946-3389
E-mail : seminar-osaka@media.nikkan.co.jp

講師

森本 雅和 氏

会場アクセス

日刊工業新聞社 大阪支社
セミナールーム
大阪市中央区北浜東2-16
セミナー会場案内図

このセミナーを申し込む

プログラム

1.AI画像認識システムの動向と導入基礎
1-1 国内外のAI画像認識の最新事例
1-2 AI画像認識システムのメリット
1-3 AI画像認識システム導入時の留意点
2.AI画像認識システムの実例
2-1 パン識別システム「BakeryScan」
 ①BakeryScanのシステム構成/②BakeryScanの画像処理(特徴量の抽出方法等)/③パン識別にかかる課題/
 ④現場導入時の課題/⑤BakeryScanのアルゴリズムの改良
2-2 不織布画像検査システム
 ①不織布の異物検査/②既存の画像検査システムの課題/③不織布画像検査システムの構成と特徴/④機械学習による異物判別
2-3 油圧部品の自動外観検査システム
 ①外観検査の課題/②正常・異常判別と機械学習による2クラス分類/③AIの限界とデータセットの不均衡/
 ④ONE Class SVM(OCSVM)による良品学習/⑤OCSVMの課題とVAEによる異常検出/
 ⑥導入した外観検査システムとロボットのハンドカメラによる撮像/⑦VAEによる傷検出と誤検出の改善
3.AI外観検査のはじめ方と機械学習を意識した画像
3-1 AI外観検査の進め方
 ①学習データの取集と用意/②各種機械学習の検証/③転移学習の活用
3-2 機械学習を意識した画像データ(学習データ)の準備
 ①画像データの形式/②学習データ(データセット)の準備/③必要な学習データ
3-3 学習が難しい画像
 ①撮影環境や条件のばらつき//②NG・OKの差異がわかりにくい/③キズなど一方向からでは見づらいなど
3-4 学習しやすい画像のための前処理
 ①画像のノイズ/歪みなどを取り除く/②明るさや色合いを調整/輝度調整/③オブジェクトの輪郭を強調/④領域抽出
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
4-2 外観検査における学習データの質の課題(データの不均衡)
4-3 学習データの拡張(Data Augmentation)
4-4 ラベル付き公開データセットと転移学習による対応
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 Deep Learningが着目しているところ(ネットワークの可視化)
5-4 品質保証への対応(AI外観検査と目視検査との連携/段階的なAI外観検査の導入)
6.AI画像認識システム導入の進め方(「2」の事例をもとに)
6-1 要求定義の取りまとめ
6-2 AI機能の選定
6-3 社内教育とプロジェクトの立ち上げ(産学連携助成の活用等)
6-4 学習データの準備
6-5 概念実証(PoC)
6-6 ラインでの実運用
6-7 運用による精度向上

このセミナーを申し込む

一覧へ戻る

日刊工業新聞社関連サイト・サービス

このサイトでは、アクセス状況の把握や広告配信などのためにクッキー(Cookie)を使用してしています。このバナーを閉じるか閲覧を継続した場合、クッキーの使用に同意したこととさせていただきます。なお、クッキーの設定や使用の詳細についてはプライバシーポリシーページをご覧ください。

閉じる