AI 外観検査 セミナー
        
工場・製造プロセスへのIoT・AI導入と活用の仕方
人工知能を活用した研究開発の効率化と導入・実用化《事例集》
 
<セミナー No.008502>

★画像撮影の注意点!画像認識処理の方法!アルゴリズム開発のポイント!
★トレーニングデータをどう作る?少ない不良データへの対応!不良個所サイズの推定方法とは!



AI技術を活用した

外観検査の実用化とその進め方




■ 講師
1.

(株)リコー イノベーション本部 AI応用研究センター 統合AI技術開発室 主席研究員 笠原 亮介 氏

2. 群馬大学大学院理工学府 知能機械創製部門 准教授 白石 洋一 氏
■ 開催要領
日 時

2020年8月4日(火)10:00〜16:45

会 場 [東京・五反田]技術情報協会 8F セミナールーム
聴講料

1名につき58,000円(消費税抜き、昼食、資料付) 
〔1社2名以上同時申込の場合1名につき50,000円(税抜)〕

大学、公的機関、医療機関の方には割引制度があります。
詳しくは上部の「アカデミック価格」をご覧下さい。

※定員になり次第、お申込みは締切となります。

■ プログラム

<10:00〜13:00>

【第1部】 画像認識技術の基礎と 機械学習による外観検査技術

(株)リコー イノベーション本部 AI応用研究センター 統合AI技術開発室 主席研究員 笠原 亮介 氏

【講演趣旨】
近年、多彩なアプリケーションに必要な技術として 盛り上がっている画像認識技術の概要と、画像認識技術の外 観検査への応用に関して解説致します。画像撮影の注意点や 一般的な画像認識処理の方法、またそこで使用される各種の 機械学習アルゴリズムに関して解説した上で、外観検査に応用 する際の性能評価方法や、アルゴリズム開発のポイント、実例 に関して説明いたします。機械学習ベースの外観検査技術に 興味がある方におすすめ致します。予備知識として画像データ に対する知識があると理解が深まります。

【講演項目】
1.画像認識技術の概要
  1.1 キー技術

2.画像の撮影
  2.1 撮影画像
  2.2 各種カメラ
  2.3 画像処理

3.画像認識技術
  3.1 機械学習を用いた画像認識について
   (1)機械学習とは
   (2)一般的な物体認識の処理フロー
  3.2 機械学習の種類
  3.3 特徴量の設計について
  3.4 性能評価
  3.5 学習サンプル
  3.6 機械学習による外観検査アルゴリズム開発のポイント
  3.7 様々な画像認識アルゴリズム

4.外観検査技術の実例
  4.1 鋳造部品の画像検査アルゴリズム例

5.画像認識技術を用いた欠陥検査の今後の動向

【質疑応答】


<13:45〜16:45>

【第2部】AI技術を活用した外観検査と進め方

群馬大学大学院理工学府 知能機械創製部門 准教授 白石 洋一 氏

【講演趣旨】
製品の外観検査において、AI、すなわち、ディー プラーニングには大きな期待がありますが、実際に実用レベル の性能を達成することは容易ではありません。ディープラーニ ングの適用では、とにかく大量のトレーニングデータを用意す れば、あとはアルゴリズムがやってくれる、というわけにはいかな いのが現実です。成否の鍵はトレーニングデータをどのように 作成するかにあります。不良品データは非常に少ないのが普 通で、我々は不良品画像を増やすためにどのようは方法が有 効かを検討しました。併せて、不良箇所のサイズを推定すると 言う問題に対しても試行し、実用化の可能性を見いだしまし た。本講演では、これらに関して詳細に説明します。

【講演項目】
1.人工知能とは何か
  1.1 人工知能の概要
  1.2 機械学習とディープラーニング
  1.3 教師あり学習と教師なし学習

2.ディープラーニングによる製品の外観検査:事例1
  2.1 畳み込みニューラルネットワーク
  2.2 プレス加工によるプラスティック部品の欠陥検査問題
  2.3 畳み込みニューラルネットワークの適用
  2.4 不良品画像合成によるトレーニングデータ増大
  2.5 実験評価結果

3.ディープラーニングによる製品の外観検査:事例2
  3.1 プラスティックボトル表面上の印刷欠陥検査問題
  3.2 畳み込みニューラルネットワークの適用
  3.3 トレーニング方法
  3.4 欠陥サイズの推定方法
  3.5 実験評価結果

4.まとめ

【質疑応答】

AI 外観検査 セミナー