Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Innføring i industriell Computer Vision
- Oversikt over maskinvisesystemer i produksjon
- Typiske defekter: sprekker, skrammer, feiljusteringer, manglende komponenter
- AI vs tradisjonell regelbasert visuell inspeksjon
Bildedatainnsamling og forbehandling
- Kamera typer og innstillinger for bildeopptak
- Redusert støynivå, kontrastforbedring, og normalisering
- Datamengdeforbedring for å øke treningsrobusthet
Objektdeteksjon og segmenteringsteknikker
- Klassiske tilnærminger (trøskelverdi, kantedeteksjon, konturer)
- Dypelæringsteknikker: CNNs, U-Net, YOLO
- Valg mellom deteksjon, klassifisering, og segmentering
Utvikling av defektdeteksjonsmodeller
- Forberedelse av annoterte datamengder
- Trening av defektklassifiserere og segmenterere
- Modellvurdering: presisjon, gjenkall, F1-score
Utplasseringsmuligheter i industrielle miljøer
- Hardwareoverveielser: GPUs, edge-enheter, industrielle PC-er
- Arkitektur for sanntidsinspeksjon
- Integrering med PLC-er og fabrikkautomasjonssystemer
Ytelsestuning og vedlikehold
- Håndtering av endringer i belysning og produksjonsforhold
- Modelltraining og kontinuerlig læring
- Varsling, loggføring og integrering av QA-rapport
Cases og anvendelser innenfor feltet
- Defektdeteksjon i bilproduksjon og sveising
- Overflateinspeksjon i elektronikk og halvledere
- Verifisering av etiketter og emballasje i farmasøytisk og matindustrien
Sammenfatning og neste skritt
Krav
- Erfaring med maskinlæring eller bildebehandlingskonsepter
- Kjennskap med Python-programmering
- Grunnleggende forståelse av kvalitetskontroll eller industriell automatisering
Målgruppe
- QA-team
- Automatiseringsingeniører
- Utviklere av bildebehandling
14 timer