KI im Qualitätsmanagement: Prüfprozesse mit OpenCV bauen

Von der Kamera bis zur Entscheidung: robuste Bildprüfung, Messung und Anomalie-Erkennung für die Produktion. Zu den Schwerpunkten gehören Bildverarbeitung im Qualitätsmanagement, OpenCV-Grundlagen, die im Shopfloor zählen, Messung, Toleranzen und Entscheidung, Detektion und Klassifikation: wo „KI“ sinnvoll ist, Datensatz, Labeling und Teststrategie und Einführung in den industriellen Rollout.

Die Schulung richtet sich an Qualitätsmanagerinnen und Qualitätsmanager sowie Qualitätsingenieurinnen und Qualitätsingenieure, Prozessingenieurinnen und Prozessingenieure, Industrial Engineering, Produktionstechnik, Automatisierungsingenieurinnen und Automatisierungsingenieure, Prüfmittel- und Messtechnik und Data- und Analytics-Verantwortliche mit Bezug zu Bilddaten sowie alle, die kamerabasierte Prüfprozesse mit OpenCV aufbauen oder bewerten wollen.

Grundverständnis von Qualitätskennzahlen und Prüfprozessen ist hilfreich. Keine Programmiererfahrung erforderlich; grundlegendes technisches Verständnis reicht.

Zu den Schwerpunkten gehören Bildverarbeitung im Qualitätsmanagement, OpenCV-Grundlagen, die im Shopfloor zählen, Messung, Toleranzen und Entscheidung, Detektion und Klassifikation: wo „KI“ sinnvoll ist, Datensatz, Labeling und Teststrategie und Einführung in den industriellen Rollout.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Detektion und Klassifikation: wo „KI“ sinnvoll ist, Datensatz, Labeling und Teststrategie und Einführung in den industriellen Rollout geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Automatisierte Sichtprüfung scheitert selten an „zu wenig KI“, sondern an unklaren Prüfmerkmalen, instabilen Bildbedingungen und fehlender Testlogik; Genau dort setzt dieses Seminar an; Du lernst, wie du Prüfprozesse im Qualitätsmanagement mit OpenCV so konzipierst, dass sie reproduzierbar messen und nachvollziehbar entscheiden; Der Kurs beginnt mit der Übersetzung von Qualitätsanforderungen in technische Prüfkriterien: Fehlerkatalog, Akzeptanzgrenzen, Messstrategie und Umgang mit Grenzfällen; Im technischen Kern baust du eine Bildverarbeitungspipeline auf, die du später auf eigene Prüfaufgaben übertragen kannst.

Ja. „Detektion und Klassifikation: wo „KI“ sinnvoll ist“ ist ein eigener Bestandteil der Schulung. Dazu gehören Merkmalsbasierte Verfahren vs. ML-Ansätze, Template Matching, Feature Matching, einfache Klassifikatoren und Anomalie-Erkennung mit sinnvollen Qualitätsmetriken.