画像認識 外観検査 セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
ライブ配信
5月
6月
7月
8月〜

化学・電気系 その他各分野
ライブ配信
5月
6月
7月
8月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2020/5/15更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


画像認識 外観検査 セミナー

★画像認識技術を外観検査に応用! 必要な学習データ? 撮影環境や条件のばらつきは?
★製造現場でいくつかの導入実績をあげた講師が、自身の担ったAI外観検査の取組を解く!
★導入プロジェクトの立ち上げ方・進め方・産学連携助成の活用法も!


画像認識
技術を用いたAI外観検査

現場導入事例・方法と精度向上指針

講師

兵庫県立大学 工学研究科
 電子情報工学専攻 准教授 博士(工学) 森本 雅和 先生

* 希望者は講師との名刺交換が可能です

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2020年7月3日(金) 12:30-16:30
●会場 [東京・船堀]タワーホール船堀3階307会議室 →「セミナー会場へのアクセス」
●受講料 1名41,800円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき30,800円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

■講師より/本セミナーのポイント
 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 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。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。
 また個別の相談事項にも時間の許す限り応対する予定です。

■受講対象者は?
・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
・画像認識・物体解析技術の応用事例を調査している方
・現場への適用・実装までを見据えたデータサイエンス業務を進めたい方

■受講することで得られる知識/ノウハウは?
・画像認識技術の基礎・原理
・画像認識システムの実際、導入実例・運用方法

セミナー内容

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
 1-4 「機械学習」と「深層学習」の選択

2.AI画像認識システムの各種実例
 2-1 パン識別システム「BakeryScan」の特徴と実際
  2-1-1 BakeryScanのシステム構成
  2-1-2 BakeryScanの画像処理(特徴量の抽出方法等)
  2-1-3 パン識別にかかる課題
  2-1-4 現場導入時の課題
  2-1-5 BakeryScanのアルゴリズムの改良
 2-2 不織布画像検査システムの特徴と実際
  2-2-1 不織布の異物検査
  2-2-2 既存の画像検査システムの課題
  2-2-3 不織布画像検査システムの構成と特徴
  2-2-4 機械学習による異物判別
 2-3 油圧部品についての自動外観検査システムの特徴と実際
  2-3-1 外観検査の課題
  2-3-2 正常・異常判別と機械学習による2クラス分類
  2-3-3 AIの限界とデータセットの不均衡
  2-3-4 ONE Class SVM(OCSVM)による良品学習
  2-3-5 OCSVMの課題とVAEによる異常検出
  2-3-6 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
  2-3-7 VAE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のための画像データ準備・前処理
 3-1 AI外観検査の進め方
  3-1-1 検査項目の網羅と評価基準の明確化
  3-1-2 試作開発の前段階における検証
  3-1-3 求められる人材・スキル
 3-2 機械学習を意識した画像データ(学習データ)の準備
  3-2-1 画像データの形式
  3-2-2 学習データ(データセット)の準備
  3-2-3 必要な学習データ
 3-3 学習が難しい画像
  3-3-1 撮影環境や条件のばらつき
  3-3-2 NG・OKの差異がわかりにくい
  3-3-3 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 :そのノウハウ・実際
  3-4-1 画像のノイズ/歪みなどを取り除く
  3-4-2 明るさや色合いを調整/輝度調整
  3-4-3 オブジェクトの輪郭を強調
  3-4-4 領域抽出
  3-4-5 どの程度の前処理が適切なのか

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
 4-3 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)
 4-4 学習データの拡張(Data Augmentation)
 4-5 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.で扱った「パン」「不織布」「油圧部品」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方(産学連携助成の活用等)
 6-4 学習データの準備とその留意点
 6-5 概念実証(PoC) の特徴・考え方・進め方
 6-6 ラインでの実運用
 6-7 運用による精度向上

<質疑応答・名刺交換・個別相談>

セミナー番号:AC200715

top

注目の新刊

雑誌 月刊化学物質管理

AIビジネス戦略

医薬品・医療機器包装規制

食品・化粧品包装規制

CSV文書作成例

オミクス解析

藻類ビジネス

データ・プライバシー

自然言語処理技術

新時代植物工場

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.