Industrial Computer Vision with AI: Defect Detection and Visual Inspection

• 具備機器學習或電腦視覺概念的經驗
• 熟悉Python編程
• 對質量控制或工業自動化有基本了解

目標受眾

• QA團隊
• 自動化工程師
• 電腦視覺開發者

結合AI的工業電腦視覺正在改變製造商和QA團隊檢測表面缺陷、驗證零件合規性，以及自動化視覺檢測流程的方式。

這項由講師指導的培訓（線上或線下）旨在針對中高級QA團隊、自動化工程師和開發人員，他們希望使用AI技術設計和實施用於缺陷檢測和檢查的電腦視覺系統。

在培訓結束時，參與者將能夠：

• 了解工業視覺系統的架構和組件。
• 使用深度學習建立用於視覺缺陷檢測的AI模型。
• 將即時檢測管道與工業相機和設備集成。
• 在生產環境中部署和優化AI驅動的檢測系統。

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在實時實驗室環境中進行實踐操作。

課程定制選項

• 如需為此課程定制培訓，請聯繫我們進行安排。

工業Computer Vision簡介

• 製造業中機器視覺系統概述
• 典型缺陷：裂紋、劃痕、錯位、缺失組件
• AI與傳統基於規則的視覺檢測對比

影像獲取與預處理

• 相機類型與影像捕捉設置
• 降噪、對比度增強與標準化
• 數據增強以提高訓練穩健性

物件檢測與分割技術

• 經典方法（閾值處理、邊緣檢測、輪廓）
• 深度學習方法：CNNs、U-Net、YOLO
• 選擇檢測、分類與分割之間的策略

缺陷檢測模型開發

• 準備註釋數據集
• 訓練缺陷分類器與分割器
• 模型評估：精確度、召回率、F1分數

工業環境中的部署

• 硬件考量：GPUs、邊緣設備、工業PC
• 即時檢測管道架構
• 與PLC及工廠自動化系統的整合

性能調優與維護

• 處理變化的照明與生產條件
• 模型重新訓練與持續學習
• 警報、日誌與QA報告整合

案例研究與領域應用

• 汽車組裝與焊接中的缺陷檢測
• 電子與半導體中的表面檢測
• 製藥與食品中的標籤與包裝驗證

總結與下一步