Návrh Školení

Úvod do Průmyslového Computer Vision

  • Přehled systémů strojového vidění v výrobě
  • Typická chyby: trhliny, šrámy, nesrovnalosti, chybějící komponenty
  • AI vs. tradiční pravidlově založená vizuální inspekce

Získání a Předzpracování Obrazů

  • Typy kamér a nastavení zachycení obrázků
  • Snížení šumu, zlepšení kontrastu a normalizace
  • Data augmentace pro výkonnost naučeného modelu

Techniky Detekce a Segmentace Objektů

  • Klasické přístupy (prahování, detekce hran, kontury)
  • Metody hlubokého učení: CNNs, U-Net, YOLO
  • Volba mezi detekcí, klasifikací a segmentací

Vývoj Modelu Detekce Chyb

  • Příprava anotovaných datových sad
  • Trénování klasifikátorů a segmentací chyb
  • Hodnocení modelu: přesnost, sensitivity, F1-score

Nasazení v Průmyslových Podmínkách

  • Zvažování hardwaru: GPUs, hraniční zařízení, průmyslové PC
  • Architektura v reálném čase inspekčních pipeline
  • Integrace s PLC a systémy průmyslové automatizace

Nastavení Výkonu a údržby

  • Řešení změn světla a výrobních podmínek
  • Přezkolení modelů a kontinuální učení
  • Integrace upozorňování, protokolování a hlášení kvality produktu

Případové Studie a Aplikace V oblasti

  • Detekce chyb v montážních postupech a spotývání vozidel
  • Kontrola povrchu v elektronice a polovodičech
  • Verifikace štítků a balení ve farmaceutice a potravinářství

Shrnutí a Další Kroky

Požadavky

  • Zkušenosti s pojmами machine learning nebo computer vision
  • Příznak známků Python programování
  • Základní porozумění kvalitnіho řízení або prомышленной automatizace

Audience

  • Týmy QA
  • Inženýři automatizace
  • Vývojáři computer vision
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie