Kurzusleírás

Bevezetés az ipari Computer Vision tárgykörbe

  • Áttekintés az ipari gépek látószervrendszereinek alkalmazásairól
  • Tipikus hibák: repedések, karcolások, elrendezési hibák, hiányzó alkatrészek
  • AI vs. hagyományos szabályalapú vizuális ellenőrző rendszerek

Képfelvétel és előfeldolgozás

  • Kamera típusok és képfelvételi beállítások
  • Zajcsökkentés, kontraszt erősítés és normalizálás
  • Adatbővítés a tanítási rugalmasság növelése érdekében

Objektumfelismerés és szegmentálás technikák

  • Klasszikus megközelítések (szintelés, élek detektálása, kontúrok)
  • Mélytanulásos módszerek: CNNs, U-Net, YOLO
  • Választás a felismerés, osztályozás és szegmentálás között

Hibafelderítő modellfejlesztés

  • Jelölt adathalmazok előkészítése
  • Hibafelderítő osztályozók és szegmentálók tanítása
  • Modellértékelés: pontosság, hívás, F1-érték

Bevezetés az ipari környezetbe

  • Hardver-konfigurációk: GPUs, éles eszközök, ipari számítógépek
  • Valós idejű vizsgálati folyamatok építészeti kialakítása
  • Integráció PLC-kkel és gyári automatizálási rendszerekkel

Teljesítmény optimalizálás és karbantartás

  • Változó fényviszonyok és gyártási feltételek kezelése
  • Modell újratanítása és folyamatos tanulás
  • Értesítések, naplózás és minőségellenőrző jelentésintegráció

Esettanulmányok és alkalmazási területek

  • Hibafelderítés autószerelési és hegesztési folyamatokban
  • Felszíni vizsgálat az elektronika és félvezetők iparában
  • Cimkák és csomagolások ellenőrzése a gyógyszeriparban és az élelmiszeriparban

Összegzés és következő lépések

Követelmények

  • Gépi tanulás vagy számítógépes látás koncepciók ismerete
  • Ismeret Python programozásból
  • Alapvető ismeretek minőségellenőrzésről vagy ipari automatizálásról

Célközönség

  • Minőségellenőrzési csapatok
  • Automatizálási mérnökök
  • Számítógépes látás fejlesztők
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák