セミナー

【録画開催】
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。

 本セミナーは、オンライン配信ツールZoomおよびCisco Webex Meetingsを使い、出演者自身も自宅から出演いただく形式の「Home to Home」(H2H)セミナーとなります。ご視聴方法(参加用URL等)はご登録くださいましたメールにお知らせいたします。ZOOMでの視聴が困難な方には別途、こちらの手順を参照のうえブラウザ上でご視聴ください。本方法での視聴が難しい方は、他の視聴方法をご案内いたしますので問い合わせ先のメールアドレスまでご連絡ください。なおCisco Webex Meetingsでの参加をご希望される方は、申し込みフォームの備考欄にその旨をご記載ください。

概要

日時

【録画開催】
※質疑応答のみ直接講師が対応します。
2020年12月15日(火)14:00~17:15

受講料

22,000円(テキスト代、税込)

※振込手数料は貴社でご負担願います。

※講座実施前の入金をお願いしておりますが、新型コロナウィルス感染症の影響を考慮し、講座実施後の入金にも対応しています。

主催 日刊工業新聞社
協力 兵庫県立大学 森本研究室
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

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実例
1-1 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
1-2 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
1-3 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
2.AI外観検査のはじめ方と機械学習を意識した画像
2-1 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
2-2 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
2-3 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
2-4 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
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
3-2 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)
3-3 学習データの拡張(Data Augmentation)
3-4 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 Deep Learningが着目しているところ(ネットワークの可視化)
4-4 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)
5.AI画像認識システム導入の進め方とまとめ
【ライブ配信セミナーに伴う注意事項について】⇒ 【詳細はこちら】
※必ずお読みください
(お申込みを頂いた時点でご同意頂いたとみなします)

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