本講座は都合により受付を中止させていただきました。
何卒ご了承くださいますようお願い申し上げます。

本セミナーは、ビデオ会議ツール「Zoom」を使って、当日ライブ配信します。
※開催後の見逃し配信はございません。

受講申し込みは、8月23日（月）午前0時に締め切らせていただきます。

セミナー紹介

　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、画像認識を中心に様々な実用例が報告されています。

　製造現場でも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散見されます。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。


受講効果

　チェック中小製造現場で導入実績をあげた講師による、手がけたAI外観検査の取り組みを理解します。
　チェック活動事例を通じて、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学びます。
　チェックAI導入後の運用を通じての精度向上のための考え方を学びます。


■視聴にあたって
  1. ライブ配信当日の視聴に必要なURLと、登録、ログイン方法につきましては、配信前日までにメールにてご案内します。URLはセミナーに参加する方のみ利用可能とし、再配布を禁止します。
  2. 受講者は、動画を録画・キャプチャーすること、SNSなどへのアップも禁止します。
    もし、発見した場合、事務局は削除を要求できることとします。
  3. セミナーの内容や受講者の個人情報などはセミナー内のみとし、口外しないでください。
  4. システムトラブルなどにより、画像・音声に乱れが生じた場合も再送信や返金はできませんので、予めご了承ください。 なお、音声、画像は受講者でご調整ください。また、サービス利用にあたってのサポートは致しかねます。
  5. 配信中、異常と思われる接続を発見した場合、予告なく切断することがあります。
  6. Zoomの接続環境は【パソコン、有線またはWi-Fiのインターネット環境】推奨です。
なお、「Zoom」上では、個人情報は一切取得いたしません。開催時間中にURLにアクセスいただくと受講可能です。

開催概要

セミナー名 Zoomを使ったWeb配信セミナー
画像検査のAI活用事例と画像データ収集のポイント
日時 2021年 8月 25日(水) 13:00～17:00
会場 オンライン開催
Webセミナープラットフォーム「Zoom」で配信するセミナーです
受講料

38,000円（税込み）

※上記は1名様の料金です。複数名での共有は禁止させていただきます。
定員 60名
※最少開催人数（15名）に満たない場合は、開催を中止させていただくことがあります。
主催 日経クロステック、日経エレクトロニクス

講師紹介

森本 雅和（もりもと まさかず）氏
兵庫県立大学　工学部・大学院工学研究科　准教授

森本 雅和（もりもと まさかず）<span class="fontSizeS">氏</span>

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

プログラム （13:00～17:00）

1．人工知能概論

  • 1-1　機械学習と深層学習
  • 1-2　代表的な深層学習モデル
  • ①多層パーセプトロン／②CNN：畳み込みニューラルネットワーク／③AutoEncoder／④GAN：敵対的生成ネットワーク

2．AI画像認識システムの動向と導入基礎

  • 2-1　国内外のAI画像認識の最新事例
  • 2-2　AI画像認識システムのメリット
  • 2-3　AI画像認識システム導入時の留意点
  • 2-4　機械学習と深層学習のハイブリッドシステム開発

3．AI画像認識システムの実例

  • 3-1　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模倣品との比較／⑥応用展開
  • 3-2　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
  • 3-3　金属チェーン画像外観検査システム
    • ①金属チェーンの異常検査／②チェーン外観検査システムの構成と特徴／③良品学習による異常検知
  • 3-4　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

4．AI外観検査のはじめ方と機械学習を意識した画像データ収集

  • 4-1　AI外観検査の進め方
    • ①外観検査項目の網羅と分類／②PoC：概念実証
  • 4-2　機械学習を意識した画像データ（学習データ）の収集
  • 4-3　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／④背景による誤認識
  • 4-4　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・標準化・白色化③画像処理・機械学習による前処理

5．学習データの量と質の課題

  • 5-1　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）
  • 5-2　学習データはどの程度必要か
  • 5-3　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）
  • 5-4　学習データの拡張（Data Augmentation）と注意点
  • 5-5　ラベル付き公開データセットと転移学習による対応

6．識別根拠の課題と品質保証への対応

  • 6-1　Deep Learningは内部分析が困難
  • 6-2　説明可能性・解釈性（XAI）に関する技術
  • 6-3　Deep Learningが着目しているところ（Grad-CAM）

7．まとめ AI画像検査システム導入の進め方

  • 7-1　要求定義の取りまとめ
  • 7-2　AI機能の選定
  • 7-3　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）
  • 7-4　学習データの準備
  • 7-5　概念実証(PoC)
  • 7-6　ラインでの実運用
  • 7-7　運用による精度向上
  • 7-8　参考資料紹介
※プログラム内容・講師は予告なく変更になることがあります。予めご了承ください。

【お申し込み注意事項】

  • このセミナーは、ZoomによるリアルタイムWeb配信にてご提供します。
    視聴URLは、配信前日までにご登録のアドレス宛にメールでお知らせします。
  • ※お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。
  • ※受講料のお支払い：お支払方法はクレジットカード払いのみとなります。以下「MyPageメニュー」にお申し込み内容が表示されます。
    ＜MyPage＞https://ers.nikkeibp.co.jp/user/myPageLogin/
    各種書類（領収書等）の発行については、こちらをご覧ください。
  • ※接続不良の場合など、お申し込み時にご登録いただいた電話番号に運営事務局からお電話を差し上げることがあります。
  • ※講師企業と競合すると考えられる製品やサービスなどをご提供される会社の方は、主催者の判断に基づき受講をお断りさせていただく場合がございますので、あらかじめご了承ください。
  • ※講師の急病、天災その他の不可抗力、またはその他やむを得ない理由により、講座を中止する場合があります。この場合、未受講の講座の料金は返金いたします。