. .
セミナー・イベントTOPへ戻る


AI外観検査の基礎と品質保証への応用および精度向上 <オンラインセミナー>
〜 AI画像システムの基礎と機械学習を意識した画像データ、
学習データの質と量、AI画像認識システムの導入と進め方 〜

■開催日時:2020年11月16日(月) 10:30〜17:30


■会場:オンラインセミナー
オンラインセミナーの詳細はこちら:

■受講料:一般(1名) : 49,500円(税込) 
     同時複数申し込みの場合(1名) : 44,000円(税込)

■主催:(株)日本テクノセンター


■受講対象者:
・これからAIによる外観検査に取り組もうと思われている方
・学習データの質と量について課題をお持ちの方
・AI外観検査を導入し、品質保証への対応を考えている方
・生産技術、画像、ソフトウェア、システムその他関連企業の方
	
■予備知識:
・大学卒業程度の数学の知識があると望ましい

■修得知識:
・基礎的なAI画像認識システムの仕組みを理解できる
・外観検査システム導入・学習データ収集時の注意点を理解できる

■講師の言葉:
 現在でも、必ずしも深層学習を用いたシステムが、機械学習によるシステムより優れているとは
限らず、条件によっては古典的な機械学習を用いたほうが高い性能を得られる場合があります。

 本講座では、講師自身が手がけたAI外観検査の取り組みを紹介します。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動向と導入基礎
  (1).国内外のAI画像認識の最新事例
  (2).AI画像認識システムのメリット
  (3).AI画像認識システム導入時の留意点
 
2.AI画像認識システムの実例
  (1).パン識別システム「BakeryScan」
  (2).不織布画像検査システム
  (3).油圧部品の自動外観検査システム
 
3.AI外観検査のはじめ方と機械学習を意識した画像
  (1).AI外観検査の進め方
  (2).機械学習を意識した画像データ(学習データ)の準備
  (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
 
4.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の質の課題(データの不均衡)
  (4).学習データの拡張(Data Augmentation)と注意点
  (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
  (1).Deep Learningは内部分析が困難
  (2).説明可能性・解釈性(XAI)に関する技術
  (3).Deep Learningが着目しているところ(ネットワークの可視化)
  (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
  (1).要求定義の取りまとめ
  (2).AI機能の選定
  (3).社内教育とプロジェクトの立ち上げ(産学連携助成の活用等)
  (4).学習データの準備
  (5).概念実証(PoC)
  (6).運用による精度向上

Copyright (C) 2020 NTS Inc. All right reserved.