工业计算机视觉与AI：缺陷检测与视觉检查 培训

工业计算机视觉简介

• 制造中机器视觉系统的概述
• 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查对比

图像采集与预处理

• 相机类型和图像捕捉设置
• 降噪、对比度增强和归一化
• 数据增强以提升训练稳健性

物体检测与分割技术

• 经典方法（阈值化、边缘检测、轮廓）
• 深度学习方法：CNN、U-Net、YOLO
• 在检测、分类和分割之间选择

缺陷检测模型开发

• 准备标注数据集
• 训练缺陷分类器和分割器
• 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：GPU、边缘设备、工业PC
• 实时检查流程架构
• 与PLC和工厂自动化系统的集成

性能调优与维护

• 应对变化的照明和生产条件
• 模型重训练和持续学习
• 告警、日志记录和质量保证报告集成

案例研究和领域应用

• 汽车装配和焊接中的缺陷检测
• 电子和半导体中的表面检查
• 制药和食品中的标签和包装验证

总结与后续步骤