セミナー


【事例で学ぶ】 製品の外観検査におけるAI(ディープラーニング)実践的な活用方法
-AI活用上、最重要となる【トレーニング】について
 「どのデータを、どの程度の量使用すべきか」ノウハウを詳細に解説-

チラシダウンロード(PDF)

開催主旨

 2012年、画像認識におけるディープラーニングの大幅な性能向上が報告されて以来、人の認識機能を必要とする分野での実用性が報告されています。我々は、プレス加工されたプラスティック部品とプラスティック製品表面上の印刷に対する外観検査にAI(ディープライニング)を活用しています。AIの活用においては、トレーニング方法、すなわち、どのようなデータをどの程度の量、使用すべきかが重要です。特に、検査では不良品データが非常に少なく、画像を作成する必要があります。トレーニング方法については経験に基づくことがほとんどであり、本講座では、我々がこれまでに得たAIのトレーニング方法をもとに、AIの活用方法について解説いたします。
 AI(機械学習)は、まず使ってみることが重要です。実用レベルの性能を達成することはそう簡単ではありません。ただし、トレーニングデータを何回か見直すことで性能向上を期待することができます。他方、現時点では、不良品の検出率を100%にするには、良品の歩留まりをある程度犠牲にせざるを得ません。講師が試行錯誤で得てきたノウハウを全て公開しますので、現場で実用レベルの性能を達成してください。


【受講対象者・レベルなど】
AIを外観検査に活用したい人、
AIの実用性能を確保するためには何が必要かを知りたい人、
AIを適用したがうまく行かなかった人、
実際にAIができること、できないことを知りたい人
※AIに関して初心者でも受講可能

【習得できる知識など】
現在話題となっているAI、ディープラーニングとは何か、実際の外観検査問題に対してどのような手順でAIを活用すればよいか、うまく行かない場合にはどこを確認すればよいか、等、大学レベルの知識と、我々が実問題に対してどこで失敗し、どう解決してきたかを習得していただき、今後、実際にAIを活用できることを目的とします。

概要

日時 2020年 3月 23日(月) 10:00~17:00
(9:30 受付開始 休憩12:30~13:30)
会場 日刊工業新聞社 東京本社 セミナールーム
※会場には受講者用の駐車場が有りません。必ず最寄りの公共交通機関でご来場ください。
※当日の録音・録画は固くおことわり申し上げます。
受講料 44,000円(資料含む、消費税込)
*同時複数人数お申し込みの場合2人目から39,600円
※後日、別の方が追加で申込をされる際は、備考欄に先に申し込まれた方のお名前と複数割適用希望と記載ください。
(記載が無い場合は通常料金のご請求となります。予めご了承ください)
※振込手数料は貴社でご負担願います。
※受講料は銀行振込で受講票及び請求書が到着次第、原則として開催日1週間前までにお支払いください。
  なお、キャンセルにつきましては開催日1週間前までの受付とさせて頂きます。
  1週間前までにご連絡がない場合はご欠席の方もキャンセル料として受講料全額を頂きます。
※講座によりましては、申込者が最少催行人数に達していない場合、開催決定まで受講票ならびに請求書の発送を見合わせて頂く場合がございます。
主催 日刊工業新聞社
お申込みについて ※弊社プライバシーポリシー(個人情報保護方針)をご一読いただき、申込みフォームより必要事項をご入力ください。
プライバシーポリシー
お問い合わせ先 日刊工業新聞社 総合事業局
教育事業部 技術セミナー係
TEL: 03-5644-7222
FAX: 03-5644-7215
E-mail : j-seminar@media.nikkan.co.jp
TEL受付時間:平日(土・日・祝日除く) 9:30-17:30

講師

白石 洋一 氏

会場アクセス

日刊工業新聞社 東京本社
セミナールーム
東京都中央区
日本橋小網町14ー1
住生日本橋小網町ビル
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.人工知能とは何か
   1.1 人工知能の概要
      ・人工知能研究開発の歴史
      ・人工知能アルゴリズム
   1.2 機械学習とディープラーニング
      ・機械学習アルゴリズムの種類と特徴
      ・性能を左右するトレーニング
      ・機械学習ソフトウェア,製品版とフリー版
      ・ディープラーニング
   1.3 教師あり学習
      ・教師あり学習の概要
      ・教師あり学習の例
   1.4 教師なし学習
      ・教師なし学習の概要
      ・教師なし学習の例
 2.ディープラーニングによる製品の外観検査:事例1
   2.1 畳み込みニューラルネットワーク
      ・畳み込みニューラルネットワークの概要
      ・畳み込みニューラルネットワークソフトウェア
   2.2 プレス加工によるプラスティック部品の欠陥検査問題
      ・対象とするプラスティック部品
      ・欠陥検査におけるいくつかの問題
   2.3 畳み込みニューラルネットワークの適用
      ・畳み込みニューラルネットワーク,YOLOの適用方法
      ・YOLOのトレイニング
   2.4 不良品画像合成によるトレーニングデータ増大
      ・コピー・ペーストによるトレーニングデータ増大方法
      ・トレーニングデータ増大のためのパラメータ調整
   2.5 実験評価結果
      ・実際の製品を対象とした画像の取得方法
      ・畳み込みニューラルネットワークに対するトレーニングの実際
      ・検出率と的中率,検査時間の評価
 3.ディープラーニングによる製品の外観検査:事例2
   3.1 プラスティックボトル表面上の印刷欠陥検査問題
      ・対象とするプラスティックボトル表面上の印刷
      ・欠陥検査におけるいくつかの問題
   3.2 畳み込みニューラルネットワークの適用
      ・畳み込みニューラルネットワーク,TensorFlowの適用方法
      ・Tensor Flowのインストール
   3.3 トレーニング方法
      ・トレーニングデータの作成とトレーニング
      ・Loss曲線とトレーニングの終了時期の見極め
   3.4 欠陥サイズの推定方法
      ・欠陥サイズ推定の必要性
      ・セグメンテーション手法
      ・対象に特化した簡易セグメンテーション方法
   3.5 実験評価結果
      ・実際の製品を対象とした欠陥の検出率
      ・欠陥サイズ推定の評価
      ・エッジAIデバイスによる画像処理の最新実験結果
 4.まとめ

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