课程大纲

人工智能在质量控制中的应用介绍

  • 人工智能在制造质量流程中的概述
  • 在检测、缺陷识别和合规性中的应用
  • 人工智能驱动的质量保证的优缺点

收集和准备质量数据

  • 用于质量保证的数据类型(图像、传感器、生产日志)
  • 使用LabelImg标注视觉数据集
  • 用于训练模型的数据存储和结构

Computer Vision在质量保证中的介绍

  • 使用OpenCV进行图像处理的基础知识
  • 工业图像的预处理技术
  • 提取视觉特征进行分析

Machine Learning在异常检测中的应用

  • 训练简单的分类器进行缺陷检测
  • 使用卷积神经网络(CNNs)
  • 无监督学习用于异常识别

使用人工智能模型进行产量Forecasting预测

  • 回归技术介绍
  • 构建模型以预测生产产量
  • 评估和提高预测准确性

将人工智能与生产系统集成

  • 检测模型的部署选项
  • Edge AI与基于云的分析对比
  • 自动化警报和质量报告

实际案例研究与最终项目

  • 开发端到端的人工智能检测原型
  • 使用样本质量保证数据集进行训练和测试
  • 展示一个功能性的质量控制人工智能解决方案

总结与下一步

要求

  • 了解基本的制造或QA流程
  • 熟悉电子表格或数字形式的报告
  • 对数据驱动的质量控制方法感兴趣

受众

  • 质量保证专家
  • 生产主管
 21 小时

即将举行的公开课程

课程分类