Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do Przemysłowej Wizji Komputerowej
- Przegląd systemów wizji maszynowej w produkcji
- Typowe wady: pęknięcia, rysy, nieprawidłowe ułożenie, brakujące elementy
- AI vs tradycyjna inspekcja wizualna oparta na regułach
Pozyskiwanie i Przetwarzanie Obrazów
- Typy kamer i ustawienia przechwytywania obrazów
- Redukcja szumów, poprawa kontrastu i normalizacja
- Augmentacja danych dla zwiększenia odporności modeli
Techniki Wykrywania i Segmentacji Obiektów
- Klasyczne podejścia (progowanie, wykrywanie krawędzi, kontury)
- Metody uczenia głębokiego: CNN, U-Net, YOLO
- Wybór między wykrywaniem, klasyfikacją a segmentacją
Rozwój Modeli Wykrywania Wad
- Przygotowanie oznaczonych zbiorów danych
- Trenowanie klasyfikatorów i segmentatorów wad
- Ocena modelu: precyzja, czułość, F1-score
Wdrażanie w Środowiskach Przemysłowych
- Rozważania sprzętowe: GPU, urządzenia brzegowe, przemysłowe komputery PC
- Architektura potoku inspekcji w czasie rzeczywistym
- Integracja z PLC i systemami automatyki fabrycznej
Optymalizacja i Utrzymanie Wydajności
- Zarządzanie zmieniającymi się warunkami oświetleniowymi i produkcyjnymi
- Ponowne trenowanie modeli i ciągłe uczenie
- Integracja alertów, logowania i raportowania QA
Studia Przypadków i Zastosowania w Branżach
- Wykrywanie wad w montażu i spawaniu w przemyśle motoryzacyjnym
- Inspekcja powierzchni w elektronice i półprzewodnikach
- Weryfikacja etykiet i opakowań w przemyśle farmaceutycznym i spożywczym
Podsumowanie i Kolejne Kroki
Wymagania
- Doświadczenie w zakresie uczenia maszynowego lub koncepcji wizji komputerowej
- Znajomość programowania w Pythonie
- Podstawowa znajomość kontroli jakości lub automatyki przemysłowej
Grupa docelowa
- Zespoły kontroli jakości
- Inżynierowie automatyki
- Programiści systemów wizji komputerowej
14 godzin
Opinie uczestników (1)
szerokie podejście do tematu, wiedza praktyczna