KI-Defekterkennung in der Produktion mit Computer Vision

Von der Kamera bis zur Entscheidung: robuste Prüfprozesse mit Computer Vision aufbauen und bewerten. Zu den Schwerpunkten gehören Use Cases und Qualitätslogik in der Produktion, Bildaufnahme, Beleuchtung und Datenqualität, Datensatzaufbau und Annotation für Defekterkennung, Modellansätze: Klassifikation, Detektion, Segmentierung, Bewertung, Metriken und Produktionsreife und Deployment: Linie, Edge und Integration.

Die Schulung richtet sich an Qualitätsingenieurinnen und Qualitätsingenieure in Fertigung und Wareneingang, Prozessingenieurinnen und Prozessingenieure sowie Industrial Engineering, Automatisierungsingenieurinnen und Automatisierungsingenieure, die Vision in Linien integrieren und Data-Science- und KI-Verantwortliche mit Produktionsbezug sowie alle, die Defekterkennung mit Computer Vision in der Produktion fundiert aufsetzen und bewerten wollen.

Grundverständnis von Produktionsprozessen und Qualitätssicherung ist hilfreich. Keine Programmierkenntnisse erforderlich, mathematische Grundlagen auf Schulniveau reichen aus.

Zu den Schwerpunkten gehören Use Cases und Qualitätslogik in der Produktion, Bildaufnahme, Beleuchtung und Datenqualität, Datensatzaufbau und Annotation für Defekterkennung, Modellansätze: Klassifikation, Detektion, Segmentierung, Bewertung, Metriken und Produktionsreife und Deployment: Linie, Edge und Integration.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Modellansätze: Klassifikation, Detektion, Segmentierung, Bewertung, Metriken und Produktionsreife und Deployment: Linie, Edge und Integration geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Wenn Defekterkennung in der Fertigung scheitert, liegt es selten am „falschen Modell“, sondern an unklaren Qualitätskriterien, instabiler Bildaufnahme oder einer Bewertung,; Genau dort setzt dieses Seminar an; Du lernst, wie Du aus einem Qualitätsproblem einen umsetzbaren Computer-Vision-Use-Case machst: Defektkatalog, Abnahmekriterien,; Danach widmest Du Dich der Bildentstehung: Welche Beleuchtungskonzepte liefern robuste Kontraste, wie wirken sich Schärfentiefe, Auflösung und Perspektive aus,; Ein weiterer Schwerpunkt ist der Datensatzaufbau.

Ja. „Modellansätze: Klassifikation, Detektion, Segmentierung“ ist ein eigener Bestandteil der Schulung. Dazu gehören Wann welcher Ansatz sinnvoll ist, Baseline mit klassischen Verfahren vs. Deep Learning, Thresholds, Konfidenz und Reject-Logik und Erklärbarkeit: Heatmaps und Fehlersuche.