画像認識 外観検査 セミナー オンライン

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
1月
2月
3月
2021年4月〜

化学・電気系 その他各分野
ライブ配信
1月
2月
3月
2021年4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
  ↑2021/1/21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  



Zoom見逃し視聴あり


オンライン受講/見逃視聴なし → 

オンライン受講/見逃視聴あり → 

・画像認識技術を外観検査に応用する!
・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!
・学習を意識した画像情報の集め方、品質保証への対応? 導入後の精度向上手法は?

画像認識技術を用いた

AI外観検査の現場導入事例・方法と精度向上指針

<Zoomによるオンラインセミナー:見逃し視聴あり>

講師

兵庫県立大学 大学院
  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

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2021年3月15日(月) 12:30-16:30
●会場 Zoomによるオンラインセミナー
●受講料
  【オンラインセミナー(見逃し視聴なし)】: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

  【オンラインセミナー(見逃し視聴あり)】:1名47,300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36,300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・録画行為は固くお断り致します。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
 (開催1週前〜前日までには送付致します)。
*準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。)

●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
 無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp


※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

見逃し視聴あり
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
 セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
 尚、閲覧用URLはメールでご連絡致します。
 ※万一、見逃し視聴の提供ができなくなった場合、
 (見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。

 →こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」


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。

■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>

セミナー番号:AD210311

top

注目の新刊

雑誌 月刊化学物質管理

プライバシー・マネジメント

プラスチック複合材料

国内外食品衛生法規

タッチレス化/非接触化

マテリアルズ
・インフォマティクス


ドローン

寺子屋統計教室

Spice回路シミュレータ

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.