外観検査の自動化における画像認識の基礎と生成AI活用の最新動向

セミナー趣旨

　ディープラーニングによる外観検査AIは、いまや研究段階を超えて実用フェーズに入り、少ないデータでも高精度な検査が可能になりつつあります。
　本セミナーでは、まず外観検査AIの基礎となる異常検知の考え方を解説したうえで、学習データを用いないZero-shot手法（学習枚数ゼロ枚）、少量データで高性能を狙うFew-shot手法（学習枚数数枚）、数十枚程度の画像から構築できる最新の高性能検査AIまでを体系的に紹介します。各手法の特性や適した現場、導入の進め方やつまずきやすいポイントを具体例とともに示し、現場導入につながる実践的な内容とします。

受講対象・レベル

製造現場などで深層学習を用いたAI外観検査を導入したい方
・クラス分類、異常検知の考え方、知見を得たいと考えている方
・現場導入に際し、データの集め方、性能の評価の仕方の知識を得たい方
・生成AIで検査がどこまでできるかについて知識を得たい方
・これから自社で外観検査システム、異常検知システムを構築したい、もしくはそれらの考え方を知りたい受講者を対象とします。

必要な予備知識

ある程度の数学の知識や情報工学の基礎知識程度を持っていれば理解できるような講演内容とします。

習得できる知識

・深層学習を用いた最新画像外観検査に関する知識。
・生成AI等を用いたZero-shot手法（学習枚数ゼロ枚）、Few-shot手法（学習枚数数枚）外観検査の現状と最新動向

セミナープログラム

１．特徴量と特徴空間
　1.1　特徴量とは
　1.2　特徴空間
　1.3　クラスの概念

２．識別問題
　2.1　識別問題とは
　2.2　線形識別法
　2.3　異常検知の考え方

３．基本的な検査AI
　3.1　オートエンコーダ
　　（１）オートエンコーダの基礎
　　（２）畳み込みオートエンコーダ
　　（３）オートエンコーダの復元による異常検知
　3.2　Deep SVDD
　　（１）Deep SVDDの基礎
　　（２）Deep SVDDによる異常検知
　　（３）オートエンコーダ＋Deep SVDD
　3.3　Deep SAD

４．少量不良サンプルによる検査AI
　4.1　PaDiM
　4.2　Patch Core

５．画像生成AIを用いた検査AI
　5.1　Anomaly Diffusion
　5.2　GLASS
　5.3　DiffusionAD

６．Zero-Shot、Few-shot検査AI
　6.1　CLIPベースの検査AI
　6.2　Vision Language Modelを使ったセンサAI

７．運用方法 
　7.1　データの集め方とデータの重要性
　7.2　データ拡張
　7.3　異常検知手法の選択方法
　7.4　学習方法
　7.5　異常検知における性能評価 （Confusion matrix、ROCカーブとAUC、性能評価法）
　7.6　チューニング方法

８．まとめ

【質疑応答】

キーワード：
外観検査,画像認識,異常検知,AI,検査AI,ディープラーニング,セミナー,講演,研修

セミナー講師

岐阜大学　工学部　電気電子・情報工学科情報コース　教授　博士（情報・認知科学）
加藤 邦人　氏

【ご専門】
コンピュータビジョン

セミナー受講料

49,500円（税込、資料付）
■ 会員（案内）登録していただいた場合、通常1名様申込で49,500円（税込）から
　・1名で申込の場合、46,200円（税込）へ割引になります。
　・2名同時申込で両名とも会員登録をしていただいた場合、
　　49,500円（1名当たり 24,750円）（税込）です。


※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

主催者

開催場所

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにお送りいたします。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。