课程大纲

工业Computer Vision简介

  • 制造业中机器视觉系统概述
  • 典型缺陷:裂纹、划痕、错位、缺失组件
  • AI与传统基于规则的视觉检测对比

图像采集与预处理

  • 相机类型与图像捕捉设置
  • 降噪、对比度增强与归一化
  • 数据增强以提高训练鲁棒性

目标检测与分割技术

  • 经典方法(阈值分割、边缘检测、轮廓检测)
  • 深度学习方法:CNNs、U-Net、YOLO
  • 在检测、分类与分割之间选择

缺陷检测模型开发

  • 准备标注数据集
  • 训练缺陷分类器与分割器
  • 模型评估:精确率、召回率、F1分数

工业环境中的部署

  • 硬件考虑:GPUs、边缘设备、工业PC
  • 实时检测流水线架构
  • 与PLC及工厂自动化系统集成

性能调优与维护

  • 处理变化的光照与生产条件
  • 模型再训练与持续学习
  • 警报、日志与QA报告集成

案例研究与领域应用

  • 汽车装配与焊接中的缺陷检测
  • 电子与半导体中的表面检测
  • 制药与食品中的标签与包装验证

总结与下一步

要求

  • 具备机器学习或计算机视觉概念的经验
  • 熟悉Python编程
  • 对质量控制或工业自动化有基本了解

受众

  • QA团队
  • 自动化工程师
  • 计算机视觉开发者
 14 小时

即将举行的公开课程

课程分类