事例で学ぶ!AI外観検査の導入プロセスと実践ノウハウ

セミナー概要

セミナーのテーマ

  • AI外観検査の導入プロセス
  • 学習データの質と量の課題
  • 品質保証への対応

こんな方におすすめです

  • AI関連技術・画像認識技術による外観検査業務の効率化・自動化を検討している方
  • AI外観検査の導入に着手し始めた方
  • 製造業における品質管理担当者
セミナータイトル事例で学ぶ!AI外観検査の導入プロセスと実践ノウハウ
開催日時 【ライブ配信】

2025年10月27日(月)12:30~16:30
お申し込み期限:2025年10月27日(月)12:00まで

【アーカイブ配信】
視聴期間:2025年10月28日(火)~2025年11月4日(火)
お申し込み期限:2025年10月28日(火)まで

開催場所/配信の補足・注意事項

【Zoomを使ったWEB配信セミナー受講の手順】
1.Zoomを使用されたことがない方は、下記よりミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
https://zoom.us/download#client_4meeting
2.セミナー前日までに必ず動作確認をお願いします。
3.開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。
 ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。
・無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

受講料49,500円(税込、資料付)

49,500円(税込、資料付)
■会員(案内)登録していただいた場合、通常1名様申込で49,500円(税込)から
 ・1名で申込の場合、46,200円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、
  計49,500円(2人目無料)です。
 ・10名以上で申込される場合はさらにお得にご受講いただけます。
  お気軽にご相談ください。info@rdsc.co.jp

※LIVE配信とアーカイブ配信の両方 をご希望の場合
会員価格で1名につき57,200円(税込)、2名同時申込で60,500円(税込)になります。
申込ページのコメント欄に「LIVEとアーカイブ両方希望」とご記入ください。

※会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

主催R&D支援センター

受付中

事例で学ぶ!AI外観検査の導入プロセスと実践ノウハウ

~AI画像認識の基礎から導入プロセス、品質保証への対応まで~

☆画像データの集め方や品質保証への対応など、つまずきやすいポイントを実例とともに解説。
 運用までの実践的な導入プロセスを習得できます。

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 氏

【略 歴】
1998年03月 大阪大学大学院 工学研究科 通信工学専攻 博士後期課程修了
1998年04月~2004年03月 姫路工業大学 工学部 助手
2004年04月~2014年09月 兵庫県立大学大学院 工学研究科 助手・助教
2014年10月~ 兵庫県立大学 大学院 工学研究科 准教授
2019年04月~2022年3月 兵庫県立大学 先端医工学研究センター 副センター長
2022年04月~ 兵庫県立大学 人工知能研究教育センター センター長

セミナー趣旨、ポイント

 ここ数年、AI(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、「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。画像データの前処理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。

受講対象者、必要な予備知識

特に予備知識は必要ありません。基礎から解説いたします

こんな方におすすめ

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、等。

得られる知識

・AI画像認識技術の基礎・原理
・AI画像認識システム導入の進め方
・画像取得の際の留意点

プログラム

1.AI画像認識システムの開発実例紹介
 1-1 パン識別システム「BakeryScan」
 1-2 不織布の外観検査システム
 1-3 油圧部品の外観検査システム
 1-4 金属チェーンの外観検査システム
 1-5 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
 2-1 AI外観検査の進め方・概念実証(PoC)
 2-2 機械学習を意識した画像データの撮影
 2-3 学習が難しい画像
 2-4 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
 3-1 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)
 3-2 学習データはどの程度必要か
 3-3 外観検査における学習データ不均衡の問題
 3-4 学習データの拡張,生成AIの活用
 3-5 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
 4-1 Deep Learningは内部分析が困難
 4-2 説明可能性・解釈性(XAI)に関する技術
 4-3 Grad-CAMによる注目領域確認
 4-4 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
 5-0 外部資金の獲得
 5-1 不良品の定義確認と不良品サンプルの収集
 5-2 撮影方法の検討
 5-3 撮影装置の導入とデータ収集からPoC
 5-4 初期判定モデルを作成し,プロトタイプとして導入
 5-5 モデル改良と精度検証の繰り返し
 5-6 本格運用開始後の維持管理
 5-7 外観検査プロジェクトを成功させるために

 【質疑応答】

受付中