セミナー
【ライブ配信&録画視聴も可能】
画像検査アルゴリズム例から学ぶ!
AI画像認識システムの開発手順と性能評価&高精度化手法、画像認識LLMによる高度な認識技術
開催主旨
目視による外観検査に代わり画像認識を用いた検査システムの導入が進展しています。目視検査による工数低減に加え、検査作業者の個人差による影響を解消できるメリットがあるからです。特にAIを用いた画像認識技は学習データを蓄積させることで検査精度の向上につながり、いまや品質保証上、必須の技術となってきています。
一方で、AI画像認識システムの導入においては、PoC段階では認識(識別)精度が高かったにもかかわらず導入に至らない――。いわゆる「PoC死」という課題が以前からあります。もともと製造現場における品質要求が高いからという事情もありますが、限られた学習データしか入手できないなど高精度化を難しくする要因が多く存在します。
そこで、本セミナーでは、講師による画像検査アルゴリズム例を提示しつつ、製造現場でAI画像認識を用いる際の認識精度を向上するテクニックを紹介します。
具体的には、自社内でのAI画像認識システムの開発に向け、AI画像認識の基本から画像認識アルゴリズム、開発プロセスおよび実装上の留意点、性能の評価方法、サンプルデータが少量だった際の解決方法までを解説します。併せて、従来のルールベース画像認識が適している用途と、その見極め方法も紹介。さらには、ここ数年、注目が集まっている大規模言語モデル(LLM)を活用した高度な画像認識技術と、その現場適用にも触れます。
なお、本セミナーで解説する手法はAI画像認識システムの開発に適用できる内容となっており、AI画像認識システムの開発を担う生産技術担当はもちろん、AI画像認識システムの搭載を検討するセットメーカーやビジョンセンサなどの開発担当の方の参加をお薦めします。
■おもな受講対象者
• 工場における画像データを用いたAI開発を行いたい方
• 画像認識技術について知りたい方
■受講効果
• 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の作成
• 少ない不良データへの対応
• 不良個所サイズの推定方法
ライブ配信セミナーでお申込みされた方は、オンライン配信ツールZoomを使い、出演者自身も自宅から出演いただく形式の「Home to Home」(H2H)セミナーとなります。ご視聴方法(参加用URL等)はご登録くださいましたメールにお知らせいたします。
概要
日時 | 2024年 10月 30日(水)13:00~17:00 |
---|---|
会場 | Webセミナー&後日の録画視聴(録画参加) WEBセミナーは、WEBミーティングツール「Zoom」を使用して開催いたします。 ブラウザとインターネット接続環境があれば、どこからでも参加可能です。 |
受講料 | 38,500円(資料代、録画視聴、税込、1名分) ※振込手数料は貴社でご負担願います。
|
主催 | 日刊工業新聞社 |
お問い合わせ | 日刊工業新聞社 西日本支社 事業出版部 セミナー係 TEL : 06-6946-3382 FAX : 06-6946-3389 E-mail : seminar-osaka@media.nikkan.co.jp |
講師
プログラム
1. 機械学習を用いた画像認識 |
1-1 機械学習を用いるメリット |
2.Deep Learningの基礎と実行例 |
2-1 Deep Learningの用途 2-2 Deep Learningの基礎 2-3 様々な勾配法 2-4 代表的なCNNのネットワーク構成 2-5 実際のコード例と実行結果 |
3.様々な画像認識アルゴリズム |
3-1 特定物体認識(SIFT/SURF) 3-2 一般文体認識(Alexnet/Gppglenet/VGG/Res-net) 3-3 物体検出(Heaar-like+adaboost/HOG+SVM/R-CNN) 3-4 CNNに関連する技術(転移学習/生成モデル/ドメイン適応) 3-5 CNNの改良とVision Transformer |
4.画像認識技術の現場適用例 |
4-1 部品良品判定アルゴリズム例 4-2 路面凍結検出アルゴリズム例(教師なし異常検知) 4-3 路面状態認識アルゴリズム例 4-4 転移学習を使った欠陥検査例 4-5 ルールベースの画像認識処理の例とルールベースが適した用途 |
5.画像認識と機械学習技術の今後の動向 |
5-1 AIの急速な発展 5-2 AIの製造業への応用 5-3 画像認識LLMの現在と未来 |
6.質疑応答 |