Cursusaanbod

Inleiding tot industriële Computer Vision

  • Overzicht van machinevisiesystemen in de productie
  • Typische gebreken: scheuren, krassen, misalignments, ontbrekende componenten
  • AI vs traditionele regelgebaseerde visuele inspectie

Afbeeldingsverwerking en voorbewerking

  • Camera typen en instellingen voor beeldopname
  • Ruisonderdrukking, contrastversterking en normalisatie
  • Gegevensaugmentatie voor robuustheid van training

Objectdetectie- en segmentatietechnieken

  • Klassieke benaderingen (drempelwaarden, randdetectie, contouren)
  • Diepe leer- en CNNs, U-Net, YOLO methoden
  • Keuze tussen detectie, classificatie en segmentatie

Ontwikkeling van defectdetectiemodellen

  • Voorbereiding van geannoteerde datasets
  • Training van defectclassifiers en segmentators
  • Modelbeoordeling: precisie, recall, F1-score

Implementatie in industriële omgevingen

  • Hardware-overwegingen: GPUs, edge-devices, industriële PCs
  • Architectuur van real-time inspectiepijplijn
  • Integratie met PLC's en fabrieksautomatiseringssystemen

Prestatieoptimalisatie en onderhoud

  • Omgaan met veranderende belichting en productieomstandigheden
  • Model hertraining en voortdurende leren
  • Alerts, loggen en integratie van QA-rapportage

Casussen en domein-toepassingen

  • Detectie van gebreken in autoproductie en lastechnieken
  • Oppervlakte-inspectie in elektronica en halfgeleiders
  • Label- en verpakkingsverificatie in farmacie en voedsel

Samenvatting en volgende stappen

Vereisten

  • Ervaring met machine learning of computer vision concepten
  • Kennis van Python programmeren
  • Basiskennis van kwaliteitscontrole of industriële automatisering

Doelgroep

  • QA-teams
  • Automatiseringsingenieurs
  • Computer vision developers
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën