工业AI：缺陷检测与预测性维护培训课程-曙海培训中心

工业AI：缺陷检测与预测性维护培训课程

•  

• 培训对象： 工业AI工程师、智能制造技术人员、设备运维工程师、质量控制人员。

•  

• 培训目标：

  • 理解工业AI的典型应用场景（缺陷检测、预测维护）。

  • 掌握工业缺陷检测的机器视觉和深度学习方法。

  • 能够构建设备健康度预测和剩余寿命（RUL）模型。

  • 具备工业数据的时序分析和异常预警能力。

•  

• 培训内容介绍：

•  

  一、 工业AI应用场景： 了解智能制造中的AI应用，包括视觉检测、预测维护、生产优化、质量分析。

  二、 工业缺陷检测概述： 对比传统机器视觉与深度学习方法的差异，了解常见缺陷类型（划痕、脏污、缺损）。

  三、 图像采集与照明系统： 理解工业相机选型、镜头参数和光源设计，获取高质量的检测图像。

  四、 分类模型缺陷检测： 使用ResNet、EfficientNet对产品图像进行良品/缺陷分类，适用于简单场景。

  五、 目标检测缺陷定位： 使用YOLO、Faster R-CNN定位图像中的缺陷位置，输出缺陷类别和边界框。

  六、 分割模型缺陷分割： 使用U-Net、Mask R-CNN精确分割缺陷区域，适用于不规则缺陷。

  七、 小样本与异常检测： 使用Few-shot learning或异常检测方法解决缺陷样本稀少的问题。

  八、 预测性维护基础： 理解预测性维护的价值，掌握故障模式、影响和危害性分析（FMECA）。

  九、 传感器数据处理： 处理振动、温度、电流等传感器时序数据，进行特征提取和降噪。

  十、 健康度评估与剩余寿命预测： 构建设备健康指标（HI），使用LSTM、Transformer预测剩余寿命。

  十一、 异常预警与维护决策： 设置阈值触发预警，结合维修计划优化维护时机，减少停机损失。

  十二、 实战项目：工业检测与预测系统： 针对具体场景（PCB缺陷检测、电机预测维护）开发完整解决方案。