～ 教師あり学習と教師なし学習、制約と対応テクニック、微細な欠陥の検出事例、異常部位の特定の事例 ～
・AI画像検査の技術を用いたオムロン社の事例を通して、基礎から具体的な進め方・留意点まで修得する講座！
・AIロジックの基礎から、AI外観検査の最前線と扱い方について開発事例を通して学び、異物・欠陥・異常部位の検出・検知に活かそう！
AI画像検査の基礎と検査自動化および欠陥検出・異常検知の事例
講師の言葉
品質安定化や生産効率向上に向けて、人による高度な外観検査の代替としてのAI外観検査への期待は大きくなっています。AI画像検査は、従来の画像センサによる検査のように人が検査ロジックを作りこまなくてよく、かつ従来の検査で困難であったようなかすかな欠陥を見つけることができる一方で、従来とは異なる考え方が必要となります。
本セミナーにおいては、AIのロジックの基礎の学習を通し、AI外観検査の最前線と扱い方を学べる内容になっております。今後導入を考えておられる、もしくは検査自動化に課題をお持ちの方は是非ご参加ください。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | 日本テクノセンター研修室 |
| カテゴリー | ソフト・データ・画像・デザイン |
| 受講対象者 |
・検査自動化を予定しているエンジニアの方 ・AI技術導入を検討しているエンジニアの方 |
| 予備知識 | ・エンジニアの方であれば、特に必要ありません |
| 修得知識 |
・検査自動化の課題 ・AI技術を用いた検査自動化の事例について |
| プログラム |
１．外観検査自動化とAI技術 （１）．イントロダクション： ａ．ルールベースと機械学習、深層学習（ディープラーニング）について ｂ．ディープラーニングの原理と長所 （２）．AI技術の状況 ａ．教師あり学習：CNNによる良否分類、セマンティックセグメンテーションによる欠陥検出 ｂ．教師なし学習：オートエンコーダによる異常検出 （３）．AI技術の導入事例 ａ．メーカーの事例 （４）．AI技術の活用の課題と対応テクニック ａ．ハード制約 ｂ．学習データ制約 ｃ．説明性
２．AI技術を用いた検査自動化の開発事例１ （１）．解決する課題：金属表面等の微細な欠陥の検出 （２）．対応方法：多様な欠陥状態を大量データで学習した学習済みモデルを用いて、特殊な設定なく欠陥を検出可能にする
３．AI技術を用いた検査自動化の開発事例２ （１）．解決する課題：良品の製造ばらつきがある中での異常部位の特定 （２）．対応方法：現場のワーク毎に良品状態を学習し、異常部位をみつける
４．今後の展望 （１）．オムロンが目指す検査自動化 |
| キーワード | 画像処理 自動検査 外観検査 検査ロボット Deep Learning |
| タグ | AI・機械学習、画像認識 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
日本テクノセンター研修室〒 163-0722 東京都新宿区西新宿２－７－１ 新宿第一生命ビルディング（２２階）- JR「新宿駅」西口から徒歩10分 - 東京メトロ丸ノ内線「西新宿駅」から徒歩8分 - 都営大江戸線「都庁前駅」から徒歩5分 電話番号 : 03-5322-5888 FAX : 03-5322-5666 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日