フィラー抽出

セミナー概要 セミナーのテーマ Pythonを用いた画像処理の基礎（ノイズ除去、二値化など） 機械学習・Deep Learningを活用したフィラー領域抽出 抽出領域の定量化と評価（面積、個数、可視化） こんな方におすすめです 高分子、樹脂、プラスチック、ゴムなどの材料開発・品質管理に携わる技術者、研究者 顕微鏡写真等の観察・評価の自動化・定量化に関心のある方 プログラミングによる画像解析を基礎から学びたい方 高分子・樹脂材料のための画像解析入門 ～ノイズ除去・フィラー領域抽出のためのPython及び機械学習/Deep Learningの活用～ ★ノイズ除去などの基本的な画像処理から機械学習・Deep Learningを応用したフィラー領域抽出まで、具体的なコードを交えた実演形式で、プログラミング未経験の方でもスムーズに理解できる！ 講師 横浜ゴム（株）研究先行開発本部材料解析研究室課長補佐 鈴木 聖人氏【ご専門】マテリアルズインフォマティクス・計測インフォマティクス【ご経歴】北陸先端科学技術大学院大学の修士課程(谷池敏明研究室) にて、マテリアルズインフォマティクスの研究に取り組む(2016年卒業)。前職にて消臭剤開発や関連するインフォマティクス業務に従事した後、2020年に横浜ゴム株式会社 に入社。現在、同社の研究先行開発本部 材料解析研究室 にて課長補佐 として、情報科学的手法を用いた材料・計測技術開発に従事。その一環として電子顕微鏡等を用いた画像解析を行い、関連内容での学会発表や論文発表を行う。2023年からは博士課程として筑波大学（五十嵐康彦研究室）にも在籍し、マテリアルズインフォマティクス・計測インフォマティクスの研究を続けている。日本ゴム協会 ゴム・エラストマー若手研究分科会 主査 セミナー趣旨、ポイント 高分子や樹脂、ゴムといった材料の性能は、内部のフィラー分散状態や相分離構造といった微細構造に大きく依存します。しかし、それを評価するために電子顕微鏡画像を得ても、ノイズが多く不鮮明であったり、目視確認や手作業での解析に頼ることが多く、多大な時間と労力がかかる上、評価者によるバラつきも課題となっています。本セミナーでは、この課題を解決するため、プログラミング言語Pythonを用いて画像解析の自動化・定量化を実現する手法を解説します。プログラミング未経験の方でもスムーズにご理解いただけるよう、ノイズ除去などの基本的な画像処理から、機械学習・Deep Learningを応用したフィラー領域抽出まで、具体的なコードを交えた実演形式で丁寧に進めます。本講座を通じて、客観的データに基づいた材料評価への第一歩を踏み出すための知識とスキルを習得し、研究開発の効率化・高度化に繋げることを目的とします。 受講対象者、必要な予備知識 特にありませんが、高分子材料やその電子顕微鏡画像を取り扱ったご経験があると、講義内容をイメージしやすくなります。プログラミングの専門知識がない方にもご理解いただけるよう、基礎から解説しますのでご安心ください。もちろん、何らかのご経験があれば、より理解が深まります。 こんな方におすすめ 高分子、樹脂、プラスチック、ゴムなどの材料開発・品質管理に携わる技術者、研究者の方手作業での顕微鏡写真等の観察・評価に時間がかかり、自動化・定量化に関心のある方プログラミングによる画像解析は未経験だが、その第一歩として基礎から学んでみたい方 得られる知識 ○Pythonを使った基本的な画像処理（ノイズ除去、フィラー領域抽出）の一連の流れ○機械学習（k-means法）やDeep Learningを用いた、より高度な領域抽出の考え方○抽出した画像データから、フィラー等の面積や個数を定量的に評価するスキル○材料評価における画像解析の自動化・効率化に向けた具体的なアプローチ プログラム 1. はじめに 1-1. 本セミナーの目的とゴール 1-2. 材料評価における画像解析の重要性 1-3. 高分子材料の画像処理手法について2. Python画像解析の準備と初めの一歩 2-1. Pythonの特長と主要ライブラリ紹介（OpenCV, Scikit-image） 2-2. 実演環境の紹介（Google Colaboratory） 2-3. 画像の読み込み、表示、保存3. Pythonによる基本的な画像処理 3-1. 画像処理の基礎 3-2. フィルタリングによるノイズ除去 3-3. コントラスト調整 3-4. 形態演算 3-5. フィラー領域の抽出：二値化 4. 機械学習・Deep Learningの活用 4-1. 従来の画像処理との違い 4-2. フィラー領域の抽出：教師なし学習（k-means法） 4-3.Deep Learningの活用5. 抽出領域の定量化と評価 5-1. 粒子解析（面積、個数、円相当径の計算） 5-2. 解析結果の可視化（ヒストグラムなど）6. まとめ 6-1. 本日の講演内容の振り返り 6-2. 実務に活かすためのヒントと学習リソースの紹介 6-3. 質疑応答