セミナー

【ライブ配信セミナー】
【事例で学ぶ】製品の外観・打音検査におけるAIの実践的な活用方法
「どのデータをどのように使用すべきか」を実用レベルのノウハウを解説!

開催主旨

 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)を活用されています。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、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になります。
 またコンクリート建造物などの打音検査などにAIを活用され始めていますが、製造ラインに直結した全製品の打音検査にAIを適用して、実用レベルの性能を達成する例に関する報告は未だありません。本講座では、自動車部品の全数検査において、1製品の打音検査を数秒以内に完了させる問題にAIを活用し、実用レベルの検査精度を達成するまでの方法とAIを含む検査装置の開発に関して解説します。
 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がいずれも多大なノウハウが必要であり、それらはほとんど公開されていません。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、現場での実用レベルの性能を達成してください。

概要

日時 2021年 3月10日(水)10:00~17:00
(9:30 ログイン開始)※昼休憩1時間あり
会場

WEBセミナー
WEBセミナーは、WEBミーティングツール「Zoom」を使用して開催いたします。

※当日の録音・録画は固くおことわり申し上げます。
ブラウザとインターネット接続環境があれば、どこからでも参加可能です。

受講料

お一人様:33,000円(資料含む、消費税込)

受講にあたり
開催決定後、受講票並び請求書をご郵送いたします。
申込者が最少催行人数に達していない講座の場合、開催を見送りとさせて頂くことがございます。(担当者より一週間前を目途にご連絡致します。)
キャンセルについて
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。

主催 日刊工業新聞社

※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
申込み締切日について

講座開催の3営業日前17:00〆切
※セミナーによって締切が異なる場合もございます。早めにお申込みください。
原則、資料を受講者の方へ郵送するため、お手元に届く猶予を頂いております。予めご了承ください。

【営業日】について
営業日は平日になります。 ※土曜/日曜/祝祭日は、休業日です。

(例)6/16(火)開催の場合、6/11(木)が締切日となります。

問合せ先 日刊工業新聞社
総合事業局 セミナー事業部
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

このセミナーを申し込む

プログラム

 前半プログラム
 1.人工知能とは何か
 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
   ・効果はある,いかに実用化するか
  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イニング
   ・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
   ・アンサンブル学習
  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
 2.ディープラーニングによる製品の外観検査検査: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のトレーニング
  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
  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
   フリー版ディープラーニングでも実用になる
  ・トレイニングが最重要,ノウハウの固まり,トレイニングでの苦労が必要
  ・最初の性能は出発点,そこから実用レベルの性能にする
  ・エッジAIデバイスを検査装置に組込む
  ・今後は教師あり学習,教師なし学習,アンサンブル学習で実用化へ
 後半プログラム
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,サポートベクターマシン
  ・教師あり学習,教師なし学習,トレイニングと推論
  ・サポートベクターマシンアルゴリズムと特徴
2.信号処理と機械学習
 2.1 ビッグデータ解析
  ・機械運転における予知保全
  ・センサデータによる信号認識
  ・打音信号による検査
 2.2 前処理と機械学習の適用
  ・高速フーリエ変換とスペクトル分布
  ・自己組織化マップによるデータの分類
  ・画像データとしてのディープラーニング適用
3.打音検査に対するサポートベクターマシンの適用
 3.1 自動車部品の打音検査問題
  ・打音検査問題の概要
  ・リアルタイム処理:1部品の打音検査時間の上限
 3.2 打音採取と打音に対する前処理
  ・マイコンを用いた打音採取の方法
  ・打音採取における課題とサンプリングの方法
  ・フーリエ変換による打音のスペクトル分布
 3.3 サポートベクターマシンのトレイニング
  ・トレイニングのためのデータ加工
  ・トレイニングによって得られるモデル
 3.4 不良品打音データの増大方法と特徴量の有効利用
  ・不均衡データの取り扱い方
  ・非常に有効なスペクトル値の変換方法,これで実用化の見通し
 3.5 実験評価結果
  ・実際の自動車部品を対象とした実験
  ・不良品の検出率の評価,検出率100%と歩留まりのトレードオフ
 3.6 研究室における最新の研究
4.打音検査の装置化
 4.1 打音検査装置の概要
  ・プログラマブルロジックコントローラをもとにした打音検査装置の設計
  ・最も重要な打音ハンマ設計開発
 4.2 打音取得から検査終了まで
  ・検査の全工程
  ・各工程のハード/ソフト実装方法
  ・エッジAIデバイス
 4.3 運用上の課題
  ・打音取得の難しさ
  ・検査装置の時間変化による劣化
5.鋼管柱に対する打音検査
 5.1 打音検査問題と実験結果
  ・鋼管柱に対する打音検査問題
  ・サポートベクターマシンの適用と実験結果
 5.2 トレイニング結果の汎化性能
  ・サポートベクターマシンの汎化
  ・外観とアルゴリズムによる認識の相違
 5.3 自己組織化マップによる検査可能性
  ・教師データ作成の前に自己組織化マッピング
  ・自己組織化マップ上へのマッピング
 6.まとめ
  ・打音信号の認識に機械学習は有効である
  ・IoTによる信号認識のニーズが大きい
  ・高速性優先のサポートベクターマシンでも打音検査が可能である
  ・打音取得では,精度,録音タイミング,等,安定した打音採取方法が必須で,
   実用化はこれに尽きる
  ・打音は環境に非常に敏感である
  ・打音取得装置の時間劣化への対応も必須である
  【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