セミナーの趣旨

ここ数年、AI（人工知能）の応用が急速に進展しています。DeepLearning（深層学習）が劇的な認識率の向上をもたらしてAI分野を発展させ、生成AIがその応用範囲を広げています。かたや、製造現場ではAI外観検査（画像識別）を中心に導入プロジェクトが立ち上がっていますが、狙った識別精度が得られず、導入に至らない例が聞かれます。

学習データ（画像データ）の前処理（データクレンジング）にかかる負担や良品・不良品データの不均衡がおもな原因にあげられます。また、特にDeep Learningでは識別にかかる根拠がわかりにくく、品質保証の観点から導入を見送る現場も多いです。

そこで、本講座は中小製造現場でいくつかの導入実績をあげた講師が、自身が手がけたAI外観検査の取り組みを紹介。活動事例を通じて、AI外観検査の導入プロジェクトの進め方から学習データの質と量の課題、学習を意識した画像情報の集め方、品質保証への対応までを解説します。さらには、導入後の運用を通じての精度向上のための考え方にも触れます。

セミナーの趣旨

製品のキズや異物など“外観品質”は、顧客より厳しく保証が求められる重要品質特性です。外観品質の保証は、全数保証が求められます。現場そして経営にとり難度が高い、産業共通の重要課題です。

外観検査が行われますが、試行錯誤や間違った理解から効果が得られない状況が散見されます。体系的に外観検査を学び、正しい外観検査の理解と方法を解説します。