セミナー内容

１．ＡＩ画像認識の基礎と外観検査導入時の留意点

１．機械学習と深層学習
２．代表的な深層学習モデル
３．AI画像認識システムの事例紹介
４．AI外観検査システム導入時の留意点

２．ＡＩ画像認識システムの開発実例紹介

１．パン識別システム「BakeryScan」
２．不織布の外観検査システム
３．油圧部品の外観検査システム
４．金属チェーンの外観検査システム
５．レンガの外観検査システム

３．ＡＩ外観検査プロジェクトのはじめ方

１．AI外観検査の進め方・概念実証（PoC）
２．機械学習を意識した画像データの撮影
３．学習が難しい画像
４．学習しやすい画像のための前処理

４．学習データの量と質の課題

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）
２．学習データはどの程度必要か
３．外観検査における学習データ不均衡の問題
４．学習データの拡張と注意点
５．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

１．Deep Learningは内部分析が困難
２．説明可能性・解釈性（XAI）に関する技術
３．Grad-CAMによる注目領域確認
４．品質保証への対応・段階的なAI外観検査の導入
５．運用時の精度維持・向上（MLOps）

６．ＡＩ画像認識システム導入の進め方とまとめ

１．要求定義の取りまとめ
２．AI機能の選定
①画像認識による自動外観検査　　　　　　　　　　④遠隔作業支援・手作業改善支援
②画像認識によるモノの管理（受入・ピッキング）　⑤画像・音声認識によるデータ自動入力
③稼働管理（予知保全）　　　　　　　　　　　　　⑥技術継承
３．社内教育とプロジェクトの立ち上げ
４．学習データの準備
５．概念検証（PoC）の進め方
６．ラインでの実運用のために（段階を踏んだ実運用）
７．運用による識別精度維持・向上（MLOps）