外観検査AIによる高精度化技術への活かし方とそのポイント <オンラインセミナー>
~ 外観検査における画像認識、AI外観検査、良品のみを使う異常検知、少数データ・ゼロデータでの検査、生成AIを用いた外観検査、LLM・VLMによる外観検査、データの集め方とデータの重要性、異常検知における性能評価法 ~
・AI検査技術の基礎から学び、画像認識による高精度な外観検査に活かすための講座
・深層学習を用いた異常検知技術からデータ収集、モデルの性能評価方法までを理解し、実務での画像認識による外観検査の高精度化に活かそう!
オンラインセミナーの詳細はこちら:
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
講師の言葉
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、導入方法についてご紹介いたします。また、データ収集、モデルの性能評価方法など現場導入に必要な知識も習得できます。
セミナー詳細
| 開催日時 |
- 2026年10月19日(月) 10:00 ~ 17:00
|
| 開催場所 |
オンラインセミナー |
| カテゴリー |
オンラインセミナー、品質・生産管理・ コスト・安全 |
| 受講対象者 |
・外観検査AIを導入したい方、基礎知識を習得したい方
・外観検査AIの最新動向を知りたい方
・ディープラーニングの知識がある方が望ましいが、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
|
| 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
|
| 修得知識 |
・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
|
| プログラム |
|
1.外観検査AIの全体像
(1).外観検査における画像認識の役割
(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
(1).CNNによる2クラス分類
(2).局所パッチによる欠陥検出
(3).従来手法の長所と限界
3.良品のみを使う異常検知と注意点
(1).オートエンコーダによる異常検知
(2).Deep SVDD/Deep SAD
(3).PaDiM/PatchCore
(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
(1).Few-shot検査の考え方
(2).Zero-shot検査の考え方
(3).CLIP系手法の概要
5.生成AIを用いた外観検査
(1).欠陥画像生成の考え方
(2).Anomaly Diffusion/GLASS
(3).DiffusionAD
(4).生成AI活用の可能性と限界
6.LLM・VLMによる外観検査
(1).画像と言語を使った検査指示
(2).AnomalyGPTなどの研究動向
(3).汎用外観検査AIへの期待
7.運用方法とそのポイント
(1).データの集め方とデータの重要性
(2).データ拡張
(3).異常検知手法の選択方法
(4).学習方法
(5).異常検知における性能評価
a.Confusion matrix
b.ROCカーブとAUC
c.性能評価法
(6).チューニング方法
8.まとめ
|
|
| キーワード |
外観検査 AI検査 深層学習 異常検知 画像認識 LLM VLM ディープラーニング 欠陥検出
|
| タグ |
分析、AI・機械学習、検査、データ解析、品質管理、画像処理、画像認識、生理・官能検査、データ分析 |
| 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 |
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
|