１．人工知能とは何か

　　・人工知能とは何か

（１）．人工知能の概要

　　　ａ．人工知能研究開発の歴史

　　　ｂ．人工知能アルゴリズム

　　　ｃ．効果はある、いかに実用化するか

（２）．機械学習とディープラーニング

　　　ａ．機械学習アルゴリズムの種類と特徴

　　　ｂ．性能を左右するトレイニング

　　　ｃ．機械学習ソフトウェア、製品版とフリー版

　　　ｄ．ディープラーニング

　　　　　・アンサンブル

（３）．教師あり学習

　　　・教師あり学習の概要

２．ディープラーニングによる製品の外観検査

　　・　ディープラーニングによる製品の外観検査：事例１

（１）．畳み込みニューラルネットワーク

　　　ａ．畳み込みニューラルネットワークの概要

　　　ｂ．畳み込みニューラルネットワークソフトウェア

（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

　　　ａ．対象とするプラスティック部品

　　　ｂ．欠陥検査におけるいくつかの問題

（３）．　畳み込みニューラルネットワークの適用

　　　ａ．畳み込みニューラルネットワーク、YOLOの適用方法

　　　ｂ．YOLOのトレイニング

（４）．不良品画像合成によるトレイニングデータ増大

　　　ａ．コピー・ペーストによるトレイニングデータ増大方法

　　　ｂ．トレイニングデータ増大のためのパラメータ調整

（５）．実験評価結果

　　　ａ．実際の製品を対象とした画像の取得方法

　　　ｂ．畳み込みニューラルネットワークに対するトレイニングの実際

　　　ｃ．検出率と的中率、検査時間の評価

３．ディープラーニングによる製品の外観検査：事例２

（１）．プラスティックボトル表面上の印刷欠陥検査問題

　　　ａ．対象とするプラスティックボトル表面上の印刷

　　　ｂ．欠陥検査におけるいくつかの問題

（２）．　畳み込みニューラルネットワークの適用

　　　　・畳み込みニューラルネットワーク、TensorFlowの適用方法

（３）．トレイニング方法

　　　ａ．トレイニングデータの作成とトレイニング

　　　ｂ．Loss曲線とトレイニングの終了時期の見極め

（４）．欠陥サイズの推定方法

　　　ａ．欠陥サイズ推定の必要性

　　　ｂ．セグメンテーション手法

　　　ｃ．対象に特化した簡易セグメンテーション方法

（５）．実験評価結果

　　　ａ．実際の製品を対象とした欠陥の検出率

　　　ｂ．欠陥サイズ推定の評価

　　　ｃ．研究室における最新の話題

３．打音検査に対するサポートベクターマシンの適用

（１）．　自動車部品の打音検査問題

　　　ａ．打音検査問題の概要

　　　ｂ．リアルタイム処理：1部品の打音検査時間の上限

（２）．打音採取と打音に対する前処理

　　　ａ．マイコンを用いた打音採取の方法

 　　  b．フーリエ変換による打音のスペクトル分布

（３）．サポートベクターマシンのトレイニング

　　　ａ．トレイニングのためのデータ加工

　　　ｂ．トレイニングによって得られるモデル

（４）．不良品打音データの増大方法と特徴量の有効利用

　　　ａ．不均衡データの取り扱い方

　　　ｂ．非常に有効なスペクトル値の変換方法，これで実用化の見通し

（５）．実験評価結果

　　　ａ．実際の自動車部品を対象とした実験

　　　　・不良品の検出率の評価、検出率100%と歩留まりのトレードオフ

　　　ｂ．研究室における最新の研究

４．打音検査の装置化

（１）．打音検査装置の概要

　　　ａ．プログラマブルロジックコントローラをもとにした打音検査装置の設計

　　　　・最も重要な打音ハンマ設計開発

（２）．打音取得から検査終了まで

　　　ａ．検査の全工程

　　　ｂ．各工程のハード/ソフト実装方法

　　　ｃ．エッジＡＩデバイス

（３）．運用上の課題

　　　ａ．打音取得の難しさ

　　　ｂ．検査装置の時間変化による劣化

5．鋼管柱に対する打音検査

（１）．打音検査問題と実験結果

　　　ａ．鋼管柱に対する打音検査問題

　　　ｂ．サポートベクターマシンの適用と実験結果

（２）．　トレイニング結果の汎化性能

　　　ａ．サポートベクターマシンの汎化

　　　ｂ．外観とアルゴリズムによる認識の相違

（３）．自己組織化マップによる検査可能性

　　　ａ．教師データ作成の前に自己組織化マッピング

　　　ｂ．自己組織化マップ上へのマッピング

６．まとめ

（１）．ディープラーニングでも実用になる

（２）．トレイニングが最重要、ノウハウの固まり、トレイニングでの苦労が必要

（３）．最初の性能は出発点、そこから実用レベルの性能にする

（４）．エッジAIデバイスを検査装置に組込む

（５）．学習の効果はすでに実証済み、今後はいかに実用化するかが課題

（６）．教師あり学習、教師なし学習、アンサンブル学習で実用化へ