Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Industrielles Computer Vision
- Überblick über Maschinenvisionsysteme in der Fertigung
- Typische Defekte: Risse, Kratzer, Verschiebungen, fehlende Komponenten
- KI im Vergleich zu traditionellen regelbasierten visuellen Inspektionen
Bildakquisition und Vorbereitung
- Kamertypen und Einstellungen für die Bilderfassung
- Rauschreduzierung, Kontrastverbesserung und Normalisierung
- Datenvervollständigung zur Steigerung der Robustheit des Trainings
Objekterkennungs- und Segmentierungsverfahren
- Klassische Ansätze (Schwellenwertbildung, Kantenerkennung, Konturen)
- Tiefes Lernen: CNNs, U-Net, YOLO
- Auswahl zwischen Erkennen, Klassifizieren und Segmentieren
Entwicklung von Defekt-Erkennungsmodellen
- Vorbereitung annotierter Datensätze
- Trainieren von Defekt-Klassifikatoren und Segmentierern
- Modellauswertung: Präzision, Recall, F1-Score
Einsatz in industriellen Umgebungen
- Hardwareaspekte: GPUs, Edge-Geräte, Industrielle PCs
- Architektur der Echtzeit-Inspektionspipeline
- Integration mit PLCs und Fabrikautomatisierungssystemen
Leistungssteigerung und Wartung
- Umgang mit wechselndem Beleuchtungs- und Produktionsbedingungen
- Neu-Trainieren von Modellen und kontinuierliches Lernen
- Integration von Alarms, Logging und QA-Berichten
Fallstudien und Anwendungsgebiete
- Defekt-Erkennung bei der Automobilmontage und Verzahnung
- Oberflächenkontrolle in Elektronik und Halbleitern
- Prüfung von Etiketten und Verpackungen im Pharma- und Lebensmittelbereich
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Machine-Learning oder Computer-Vision Konzepten
- Vertrautheit mit Python Programmierung
- Grundlegendes Verständnis von Qualitätssicherung oder industrieller Automatisierung
Zielgruppe
- QA-Teams
- Automatisierungsingenieure
- Computer-Vision Entwickler
14 Stunden