1/23 AI外観検査（画像認識）の はじめ方、すすめ方、精度向上への考え方

１．AI画像認識システムの動向と導入基礎
　1.1 AI画像認識の基礎
　1.2 代表的な深層学習モデル
　1.3 AI画像認識システムの事例紹介
　1.4 AI外観検査システム導入時の注意点

２．AI画像認識システムの各種実例
　2.1 パン識別システム「BakeryScan」の特徴と実際
　　2.1.1 BakeryScanのシステム構成
　　2.1.2 BakeryScanの開発時の課題
　　2.1.3 BakeryScanの現場導入時の課題
　2.2 不織布画像検査システムの特徴と実際
　　2.2.1 不織布の異物検査
　　2.2.2 既存の画像検査システムの課題
　　2.2.3 不織布画像検査システムの構成と特徴
　　2.2.4 機械学習による異物判別
　2.3 油圧部品についての自動外観検査システムの特徴と実際
　　2.3.1 油圧部品外観検査の課題
　　2.3.2 One Class SVM（OCSVM）による良品学習
　　2.3.3 OCSVMの課題とVAEによる異常検出
　　2.3.4 二次識別による誤検出の改善
　2.4 チェーン製造ラインにおける外観検査
　　2.4.1 チェーン外観検査の課題
　　2.4.2 チェーン外観検査システムの構成
　　2.4.3 オートエンコーダによる良品学習と異常検知
　2.5 耐火レンガの外観検査
　　2.5.1 耐火レンガ外観検査の課題
　　2.5.2 耐火煉瓦外観検査システムの構成
　　2.5.3 画像処理による初期検査とAIによる二次検査

３．AI外観検査のはじめ方と機械学習を意識した画像データ準備・前処理
　3.1 AI外観検査の進め方
　　3.1.1 検査項目の網羅と評価基準の明確化
　　3.1.2 PoC(Proof of Concept)概念実証
　3.2 機械学習を意識した画像データ（学習データ）の準備
　　3.2.1 撮影環境の工夫
　　3.2.2 照明による撮影画像の違い
　　3.2.3 検証用画像撮影時の注意
　3.3 学習が難しい画像
　　3.3.1 撮影環境や条件のばらつき
　　3.3.2 背景による誤認識
　3.4 学習しやすい画像のための前処理
　　3.4.1 前処理としてのルールベース画像処理
　　3.4.2 画像の「標準化」「白色化」

４．学習データの量と質の課題
　4.1 学習データの準備にかかる負荷（画像の収集、ラベルの付与）
　4.2 学習データはどの程度必要か
　4.3 外観検査における学習データ不均衡の問題
　4.4 学習データの拡張と生成系AIの活用
　4.5 学習済みモデルからの転移学習の活用

５．識別根拠の課題と品質保証への対応
　5.1 Deep Learningは内部分析が困難
　5.2 説明可能性・解釈性（XAI）に関する技術
　5.3 GradCAMによる注目領域確認
　5.4 段階を踏んだ実運用
　5.5 運用開始後の精度維持・向上

６．まとめ
　6.1 実用化に至らない原因
　6.2 AI画像認識システム実用化を成功させるには

□質疑応答