AI外観検査 (画像認識) のはじめ方、すすめ方、精度向上への考え方

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、中小製造現場でいくつかの導入実績をあげた講師が手がけたAI外観検査の取り組みを紹介いたします。
活動事例を通じて得られた、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の知見を解説いたします。

日時

開催予定

プログラム

ここ数年、AI (人工知能) の応用が急速に進展しています。DeepLearning (深層学習) が劇的な認識率の向上をもたらしてAI分野を発展させ、生成AIがその応用範囲を広げています。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。

  1. AI画像認識システムの開発実例紹介
    1. パン識別システム「BakeryScan」
    2. 不織布の外観検査システム
    3. 油圧部品の外観検査システム
    4. 金属チェーンの外観検査システム
    5. レンガの外観検査システム
  2. AI外観検査プロジェクトのはじめ方
    1. AI外観検査の進め方・概念実証 (PoC)
    2. 機械学習を意識した画像データの撮影
    3. 学習が難しい画像
    4. 学習しやすい画像のための前処理
  3. 学習データの量と質の課題
    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
    2. 学習データはどの程度必要か
    3. 外観検査における学習データ不均衡の問題
    4. 学習データの拡張、生成AIの活用
    5. 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
    1. Deep Learningは内部分析が困難
    2. 説明可能人工知能 (XAI)
    3. Grad – CAMによる注目領域確認
    4. 品質保証への対応・段階的なAI外観検査の導入
  5. AI外観検査システム導入の進め方まとめ
    1. 外部資金の獲得
    2. 不良品の定義確認と不良品サンプルの収集
    3. 撮影方法の検討
    4. 撮影装置の導入とデータ収集からPoC
    5. 初期判定モデルを作成し、プロトタイプとして導入
    6. モデル改良と精度検証の繰り返し
    7. 本格運用開始後の維持管理
    8. 外観検査プロジェクトを成功させるために
  6. 質疑応答

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信対応セミナー / アーカイブ配信対応セミナー

ライブ配信またはアーカイブ配信セミナーのいずれかをご選択いただけます。

ライブ配信セミナーをご希望の場合

アーカイブ配信セミナーをご希望の場合