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

Antall deltakere


Price per participant

Upcoming Courses

Related Categories