工場における画像認識AIの自社開発とその実装の進め方

近年、多彩なアプリケーションに必要な技術として実用化が進んでいる画像認識技術に関して、カメラによる画像の撮影から、機械学習技術やディープラーニングの活用まで基礎から説明致します。 　具体的には、光学系を用いた画像の撮影に関する技術から、画像認識技術の概要、一般的な画像認識処理フロー、評価方法、ディープラーニングの基礎、様々な画像認識アルゴリズム、生成AI (大規模言語モデル) を用いた最新の画像認識技術について、また外観検査などへの応用に関して解説致します。工場における画像データを用いたAI開発を行いたい方をはじめ、画像認識技術について知りたい方に幅広くおすすめ致します。講座後出来る演習もいくつか準備致します。

1. 画像認識技術の概要
   1. 画像認識技術の応用用途
   2. 画像認識のキー技術
2. 画像の撮影
   1. 撮影画像
   2. 各種カメラとその特性
   3. 画像処理
   4. 光学系と画像処理の最適化設計
   5. 偏光情報の活用
3. 機械学習の基礎と画像認識
   1. 機械学習とは
   2. 機械学習の考え方
   3. 一般的な画像認識AIの処理フロー
      1. 学習サンプル
      2. 特徴量の設計について
      3. 機械学習の種類
      4. 性能評価方法
   4. 機械学習による開発のポイント
      • 演習問題:少量サンプルテーブルデータの分類問題
4. ディープラーニングの基礎
   1. 応用用途と発展の歴史
   2. 基本形
   3. 学習方法
   4. 層構成
   5. 正則化
   6. 畳み込みニューラルネットワーク
   7. 実行コード解説
      1. テーブルデータ分類例
      2. CNNを用いた画像認識例
      3. ディープラーニングを用いた画像検査例
         • 演習問題:ディープラーニングを用いた分類問題
5. 様々な画像認識アルゴリズム
   1. 画像認識処理の歴史
   2. 代表的な処理
   3. 少量学習データに対する対応 〜画像生成、転移学習、ドメイン適応〜
      • 演習問題:CNNを用いた画像認識問題
6. 画像認識技術のアプリケーション例
   1. 鋳造部品の欠陥検査アルゴリズム例
   2. 路面状態認識アルゴリズム例
   3. 転移学習を使った欠陥検査例
7. 画像認識と機械学習技術の今後の動向
   1. AIの急速な発展
   2. AIの製造業への応用
   3. 大規模言語モデル (LLM) とその画像認識への応用
• 質疑応答