工业视觉缺陷检测实战培训课程-曙海培训

 工业视觉缺陷检测实战培训课程

适用人群：工业自动化工程师、质检技术人员、AI算法工程师、智能制造领域从业者

一、培训目标与收益

目标

1. 掌握工业缺陷检测的核心流程（数据采集→算法设计→部署优化）。

2. 熟练使用传统图像处理与深度学习技术解决表面缺陷、尺寸偏差等实际问题。

3. 能够针对不同工业场景（金属、纺织、电子、玻璃）优化检测方案。

4. 理解缺陷检测系统从实验室到产线的落地流程与关键挑战。

收益

1. 完成6个以上工业场景实战项目（含数据集、代码、部署脚本）。

2. 获得可复用的缺陷检测工具库（含预训练模型、数据增强模板、后处理算法）。

3. 掌握产线级优化技巧（小样本学习、模型轻量化、实时性调优）。

4. 熟悉工业相机、光源、机械臂等硬件的选型与联动控制。

二、培训内容与案例

模块1：工业视觉缺陷检测基础

· 内容 

· 工业检测场景分类（表面缺陷、装配错误、尺寸测量）。

· 硬件选型指南（相机、镜头、光源、工控机）。

· 数据采集与标注规范（PASCAL VOC/COCO格式转换）。

· 案例 

· 案例1：金属表面划痕数据集构建 

模块2：传统图像处理技术

· 内容 

· 图像增强（光照归一化、频域滤波）。

· 缺陷分割（阈值法、边缘检测、形态学操作）。

· 特征提取（纹理、形状、灰度统计）。

· 案例 

· 案例2：基于频域滤波的玻璃表面瑕疵检测 

模块3：深度学习缺陷检测模型

· 内容 

· 分类模型：ResNet、EfficientNet（缺陷类型识别）。

· 检测模型：YOLO系列、Faster R-CNN（缺陷定位与分类）。

· 分割模型：U-Net、DeepLab（像素级缺陷分割）。

· 小样本学习：MAML、ProtoNet（少量缺陷样本训练）。

· 案例 

· 案例3：YOLOv8检测电路板焊接缺陷 

模块4：模型优化与产线适配

· 内容 

· 数据增强（Copy-Paste、随机擦除、模拟光照变化）。

· 损失函数改进（Focal Loss、Dice Loss）。

· 轻量化部署（TensorRT加速、ONNX模型转换）。

· 实时性优化（模型剪枝、量化、知识蒸馏）。

· 案例 

· 案例4：TensorRT加速的纺织布匹缺陷检测 

模块5：多模态检测与后处理

· 内容 

· 3D点云检测（激光扫描、结构光）。

· 红外/X光检测（内部缺陷识别）。

· 后处理算法（非极大值抑制、形态学滤波、缺陷分级）。

· 案例 

· 案例5：X光图像检测锂电池内部极片缺陷 

模块6：工业检测系统部署

· 内容 

· 产线集成（PLC通信、机械臂联动、报警模块）。

· 边缘计算部署（工控机、智能相机、嵌入式设备）。

· 可视化界面开发（PyQt、Web端看板）。

· 案例 

· 案例6：基于Halcon的汽车零部件尺寸测量系统 

三、综合项目实战

项目1：金属表面缺陷检测系统

· 功能：

· 检测钢板、铝材表面的划痕、凹坑、氧化斑，输出缺陷类型与位置。

· 技术栈：

· 工业相机 + 频域滤波 + YOLOv8 + TensorRT部署。

项目2：电子元件装配检测

· 功能：

· 检查PCB板元件是否漏装、错装、极性反接，并触发分拣机械臂。

· 技术栈：

· OpenCV模板匹配 + ResNet分类 + ROS通信。

项目3：玻璃瓶口缺陷检测

· 功能：

· 识别瓶口裂纹、缺口、毛刺，并统计缺陷尺寸。

· 技术栈：

· 边缘检测 + 形态学分析 + U-Net分割 + Excel报表生成。

项目4：纺织布匹瑕疵检测

· 功能：

· 检测布面油污、破洞、织造瑕疵，并标记瑕疵位置与类别。

· 技术栈：

· Gabor滤波 + YOLO-NAS + 工业相机SDK + 报警灯联动。