ディープラーニングの基礎知識と工業製品の官能検査への適用

ケーススタディから学ぶ、
工業製品の官能検査における人工知能の可能性
人工知能を知り、画像による品質検査の事例と、
講師自身の最新の研究の話題をまじえ、
高い精度と実用性を備えた
官能検査自動化の実現を考える集中講座！

セミナー講師

白石 洋一 氏
群馬大学 大学院理工学府 知能機械創製部門
兼 産学連携推進部門 准教授
博士（工学）

1981年：東京工業大学大学院理工学研究科情報科学専攻修士課程修了
1981年：（株）日立製作所 中央研究所
1993年：群馬大学工学部情報工学科
2001年：UCLA, Visiting Scholar
2005年～：（株）リアライズコンピュータエンジニアリング（大学発ベンチャ）CTO
2013年～：現職

エレクトロニクス実装学会 副会長（2016年～18年），編集委員
インテリジェント実装技術研究会主査，回路・設計技術委員会委員
群馬大学次世代電気自動車（EV）研究会幹事 等

セミナー受講料

43,000円（消費税込・テキストおよび昼食を含みます。）

セミナー趣旨

　2012年、画像認識におけるディープラーニングの大幅な性能向上が報告されて以来、
人の認識機能を必要とする分野での実用性が報告されている。製品の検査は非常に重要であるが、
非生産部門であることから自動化への期待は大きい。
　我々は、プレス加工されたプラスティック部品とプラスティック製品表面上の印刷に
対する外観検査、および金属製の自動車部品の打音検査に機械学習を活用している。
　また、これまでに鋼管柱の欠陥推定、機械学習ではないが、樹幹内部の空洞推定を行ってきた。
機械学習の活用において性能を上げるためには、トレイニングデータの量と質をどうするかに
尽きると言っても良い。
　本セミナーでは、我々がこれまでに得た機械学習のトレイニングにおける試行錯誤をもとに、
機械学習の有効活用について述べる。

受講対象・レベル

機械学習を官能検査に活用したい方
機械学習の実用性能を確保するためには何が必要かを知りたい方
機械学習を適用したがうまく行かなかった方
実際に機械学習ができること・できないことを知りたい方

セミナープログラム

１．人工知能とは何か

1.1　人工知能の概要，製造業にAIは役立つのか

1.2　教師あり学習

1.3　教師なし学習

1.4　機械学習とディープラーニングの基礎知識

２．ディープラーニングによる外観検査

2.1　ディープラーニングによる製品の外観検査：事例１

　　2.1.1　畳み込みニューラルネットワーク

　　2.1.2　プレス加工によるプラスティック部品の欠陥検査問題

　　2.1.3　畳み込みニューラルネットワークの適用

　　2.1.4　不良品画像合成によるトレイニングデータ増大

　　2.1.5　実験評価結果

　　2.1.6　まとめ

2.2　ディープラーニングによる製品の外観検査：事例２

　　2.2.1　プラスティックボトル表面上の印刷欠陥検査問題

　　2.2.2　畳み込みニューラルネットワークの適用

　　2.2.3　トレイニング方法

　　2.2.4　欠陥サイズの推定方法

　　2.2.5　実験評価結果

　　2.2.6　まとめ

３．サポートベクターマシンによる製品の打音検査とディープラーニングの適用可能性

3.1　サポートベクターマシンによる製品の打音検査

　　3.1.1　機械学習とサポートベクターマシン

　　3.1.2　自動車部品の打音検査問題

　　3.1.3　打音採取と打音に対する前処理

　　3.1.4　サポートベクターマシンのトレイニングと評価結果

　　3.1.5　実験評価結果

　　3.1.6　不良品打音データの増大と特徴量の有効利用

　　3.1.7　さまざまな試行錯誤

　　3.1.8　まとめ

3.2　機械学習を用いた打音による鋼管柱の非破壊欠陥推定

　　3.2.1　研究の背景

　　3.2.2　装置構成

　　3.2.3　研究の課題

　　3.2.4　サポートベクターマシンの適用

　　3.2.5　実験評価結果

　　3.2.6　まとめ

3.3　ウェーブレット解析を用いた，打音による樹幹内部の欠陥推定方法

　　3.3.1　研究背景

　　3.3.2　研究目的

　　3.3.3　打音取得方法

　　3.3.4　ウェーブレット解析による手法

　　3.3.5　実験評価

　　3.3.6　まとめとディープラーニングの適用可能性

４．エッジAIデバイスの進歩

4.1　エッジAIデバイスとは

4.2　ディープラーニングの実行に対するエッジAIデバイスの性能評価

５．全体のまとめ

◎　質疑応答