１．製造業でのAI活用状況

　（１）．日本企業でのAI活用状況、AI導入の課題

　（２）．講師が実際に画像処理AIを導入しためっき工場の概要と特徴

２．画像処理AIの概要

　（１）．AIの中身は何をやっているのか

　（２）．AIがどのように画像を認識しているのか（ルールベースとディープラーニングの違い）

　（３）．人間とAIの画像の見え方の違い

　（４）．画像処理AIの各手法の紹介（分類、物体検出、異常検知）

３．画像処理AIシステム内製化のすすめ（実体験より）

　（１）．AI内製化のメリット・デメリット

　（２）．AI利用の費用対効果

　（３）．内製化を進めるための人員、組織構成、規模

　（４）．何を勉強すれば内製化できるのか

　（５）．内製とベンダーの使い分け（ナレッジベース、生産管理など）

４．製造現場におけるAI活用事例（成功例、失敗例）

　（１）．画像分類AIの活用事例（形状不良の識別など）

　（２）．物体検出AIの活用事例（設備内残品確認、外観検査補助、安全作業補助、小物製品の計数など）

　（３）．異常検知AIの活用事例（異物混入検出、めっき電流値波形の異常検知）

　（４）．画像処理以外のAI活用事例（設備データ解析からの不良要因特定、AI-OCRなど）

　（５）．AI活用が成功するパターンと失敗するパターン

５．持ち帰ってすぐ使える画像処理AI体験実習　～実際に画像を撮影しAIに学習させ推論するまでの一連の作業を体験～

　（１）．Yoloによる物体検出AIを作成（画像取得～学習～推論）

　（２）．Yoloによる過検知を減らすための再学習

　（３）．Efficientnet + arcfaceによる異常検知AIを作成（学習～推論）

６．画像処理AIを扱う際のポイントとノウハウ

　（１）．カメラやパソコンのスペックはどれくらい必要か？　

　（２）．学習用画像採取のコツ（カメラや照明、外部環境のブレ）

　（３）．学習させる画像サイズ、枚数はどのくらい必要か？

　（４）．画像処理AIの説明可能性

　（５）．過検知、誤検知をどう扱うのか

　（６）．画像処理AIでのChatGPT、生成AIの活用

７．まとめ、質疑応答