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国内外のAI画像認識の最新事例
1-3 AI画像認識システムのメリット
1-4 AI画像認識システム導入時の留意点
1-5「機械学習」と「深層学習」の選択
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
(1) BakeryScanのシステム構成
(2) BakeryScanの画像処理（特徴量の抽出方法等）
(3) パン識別にかかる課題
(4) 現場導入時の課題
(5) BakeryScanのアルゴリズムの改良
2-2 不織布画像検査システムの特徴と実際
(1) 不織布の異物検査
(2) 既存の画像検査システムの課題
(3) 不織布画像検査システムの構成と特徴
(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
(1) 外観検査の課題
(2) 正常・異常判別と機械学習による2クラス分類
(3) AIの限界とデータセットの不均衡
(4) ONE Class SVM（OCSVM）による良品学習
(5) OCSVMの課題とVAEによる異常検出
(6) 導入した外観検査システムとロボットのハンドカメラによる撮像
(7) VAEによる傷検出と誤検出の改善
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
(1) 検査項目の網羅と評価基準の明確化
(2) 試作開発の前段階における概念実証（PoC）
3-2 機械学習を意識した画像データ（学習データ）の準備
(1) 画像撮影時の注意点
(2) オススメのPoC用撮影環境
3-3 学習が難しい画像
(1) 撮影環境や条件のばらつき
(2) 背景によるご認識の例
3-4 学習しやすい画像のための前処理
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の質の課題（データの不均衡）
4-4 学習データの拡張（Data Augmentation）
4-5 ラベル付き公開データセットと転移学習による対応
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 Deep Learningが着目しているところ（Grad-CAM）
6．AI画像認識システム導入の進め方
6-1 要求定義の取りまとめ
6-2 AI機能の選定
6-3 社内教育とプロジェクトの立ち上げ方（産学連携助成の活用等）
6-4 学習データの準備とその留意点
6-5 概念実証(PoC)の特徴・考え方・進め方
6-6 ラインでの実運用
6-7 運用による精度向上