品質向上に役立てるための
AI外観検査導入のためのポイント
~AI画像認識技術の基礎から導入そして品質保証への対応まで~
【WEB受講(Zoomセミナー)】

AI画像認識プロジェクトの進め方,画像情報の集め方,品質保証への対応,
具体的なAI画像認識システムの開発例に関する知見について,製造現場での
導入実績やAI外観検査の実例を踏まえ,実践的にわかりやすく解説する特別セミナー!!
講師
兵庫県立大学 大学院工学研究科 准教授 博士(工学) 森本 雅和  先生
日時
2021/7/20(火)13:00〜16:00
会場
*本セミナーはWEB受講のみとなります
会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
講師
兵庫県立大学 大学院工学研究科 准教授 博士(工学) 森本 雅和  先生
日時
2021/7/20(火)13:00〜16:00
会場
*本セミナーはWEB受講のみとなります
会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
受講形式
 WEB受講のみ
 *本セミナーはZoomシステムを使用したオンラインセミナーとなります

受講対象
 AI外観検査システムの導入を検討している製造業技術者など.経験不問


予備知識
 特に必要なし

習得知識
1)AI画像認識プロジェクトの進め方について基礎知識
2)具体的なAI画像認識システムの開発例に関する知見

講師の言葉
 ここ数年、AI(Artificial Intelligence、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、脳の働きからヒントを得た学習手法である
「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。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など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。

プログラム

1.AI画像認識システムの動向と導入基礎
1-1 国内外のAI画像認識の最新事例
1-2 AI画像認識システムの利点・欠点
1-3 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
2-1 パン識別システム「BakeryScan」
①BakeryScanのシステム構成/②BakeryScanの画像処理(特徴量の抽出方法等)/③パン識別にかかる課題/
④現場導入時の課題/⑤BakeryScanのアルゴリズムの改良
2-2 不織布画像検査システム
①不織布の異物検査/②既存の画像検査システムの課題/③不織布画像検査システムの構成と特徴/
④機械学習による異物判別
2-3 金属チェーン画像検査システム
①チェーンの外観検査/②チェーン画像検査システムの校正と特徴/③良品学習による異常検知
2-4 油圧部品の自動外観検査システム
①外観検査の課題/②正常・異常判別と機械学習による2クラス分類/③AIの限界とデータセットの不均衡/
④ONE Class SVM(OCSVM)による良品学習/⑤OCSVMの課題とVAEによる異常検出/
⑥導入した外観検査システムとロボットのハンドカメラによる撮像/⑦VAEによる傷検出と誤検出の改善

3.AI外観検査のはじめ方と機械学習を意識した画像
3-1 AI外観検査の進め方
①学習データの取集と用意/②各種機械学習の検証/③転移学習の活用
3-2 機械学習を意識した画像データ(学習データ)の準備
①画像データの形式/②学習データ(データセット)の準備/③必要な学習データ
3-3 学習が難しい画像
①撮影環境や条件のばらつき//②NG・OKの差異がわかりにくい/③キズなど一方向からでは見づらいなど
3-4 学習しやすい画像のための前処理
①画像のノイズ/歪みなどを取り除く/②明るさや色合いを調整/輝度調整/③オブジェクトの輪郭を強調/④領域抽出

4.学習データの量と質の課題
4-1 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)
4-2 学習データはどの程度必要か
4-2 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)
4-3 学習データの拡張(Data Augmentation)と注意点
4-4 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
5-1 Deep Learningは内部分析が困難
5-2 説明可能性・解釈性(XAI)に関する技術
5-3 Deep Learningが着目しているところ(ネットワークの可視化)
5-4 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(「2」の事例をもとに)
6-1 要求定義の取りまとめ
6-2 AI機能の選定
6-3 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)
6-4 学習データの準備
6-5 概念実証(PoC)
6-6 ラインでの実運用
6-7 運用による精度向上

講師紹介
1998年 大阪大学大学院工学研究科通信工学専攻博士後期課程終了(博士(工学))
1998年4月 姫路工業大学工学部 助手
2004年 兵庫県立大学 助手
2014年 兵庫県立大学大学院工学研究科 准教授(現職)
世界初のパン画像認識レジシステム「BakeryScan」を開発
所属学会
IEEE,電子情報通信学会,映像情報メディア学会