1．AI概要
　(1)種類と学習方法
　(2)異常検知と分類、セグメンテーション
　(3)データの種類

2．画像処理
　(1)各種処理方法
　(2)検出方法

3．AI画像処理
　(1)必要データ
　(2)クラスとラベリング
　(3)ディープラーニング学習
　(4)AIモデル評価と調整

4．外観検査AI実習
　(1)外観検査(傷、汚れ、ムラ、加工不良など)
　(2)不良データ生成・合成
　(3)学習データセット作成とデータ拡張
　(4)パラメータ調整
　(5)AIモデル評価と再学習

5．システム構築実習
　(1)システム構成設計(エッジAI、撮像環境、PLC、ロボット)
　(2)AIモデル作成
　(3)エッジAI、PLC、ロボット連携

6．運用
　(1)保守の必要性
　(2)AIモデルの再構築
　(3)検査データ管理
　(4)他製品、他工程への横展開

7．まとめ


※内容を変更する場合がございます。ご了承ください

≪担当予定講師≫
connectome.design株式会社