外観検査のデジタル化・自動化～生成AIを用いた実践～

セミナー趣旨

　近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、これらの成果は実利用の段階に入っています。工場などの生産現場では、古くから画像認識による外観検査が導入されていますが、これらにディープラーニングを導入することで飛躍的に精度が向上した事例が報告されています。また、最近の生成AIが獲得した広い知識をもとに、ごく少量の学習サンプルで高精度な検査を実現する手法が多数登場してきています。
　本セミナーでは、AI検査の基礎である異常検知の考え方、Zero-shot（学習データなし）手法、Few-shot（少量学習データ）手法、数10枚程度の高性能検査AIの解説、特性、導入方法についての講演を行う。

受講対象・レベル

・ディープラーニングの知識があることが望ましいが、セミナーは前提知識がなくてもある程度理解できるよう構成しています。

必要な予備知識

・深層学習の基礎知識。多層パーセプトロン、畳み込みニューラルネットワークの基礎知識があればさらに理解が深まる

習得できる知識

深層学習を用いた異常検知の考え方と、その技術
最新の検査AI手法
現場への導入法、評価方法

セミナープログラム

1 外観検査AIの全体像
1.1 外観検査における画像認識の役割
1.2 必要な学習データ量から見た手法分類

2 従来型のAI外観検査
2.1 CNNによる2クラス分類
2.2 局所パッチによる欠陥検出
2.3 従来手法の長所と限界

3 良品のみを使う異常検知
3.1 オートエンコーダによる異常検知
3.2 Deep SVDD／Deep SAD
3.3 PaDiM／PatchCore
3.4 現場導入での注意点

4 少数データ・ゼロデータでの検査
4.1 Few-shot検査の考え方
4.2 Zero-shot検査の考え方
4.3 CLIP系手法の概要

5 生成AIを用いた外観検査
5.1 欠陥画像生成の考え方
5.2 Anomaly Diffusion／GLASS
5.3 DiffusionAD
5.4 生成AI活用の可能性と限界

6 LLM・VLMによる外観検査
6.1 画像と言語を使った検査指示
6.2 AnomalyGPTなどの研究動向
6.3 汎用外観検査AIへの期待

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

キーワード：
外観検査、生成AI、異常検知、Vision Language Model

セミナー講師

セミナー受講料

【オンライン受講（見逃し視聴なし）】：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円

【オンライン受講（見逃し視聴あり）】：1名 51,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき40,700円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。

＊学校法人割引：学生、教員のご参加は受講料50％割引。

主催者

開催場所

オンラインセミナーご受講に関する各種案内

●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
 ・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
　（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

※オンライン受講に関するご案内（受講環境、Zoom利用方法、禁止事項等）は「受講に関する注意事項」をご確認ください。