AI 质检系统开发与实战培训课程-曙海培训中心

AI 质检系统开发与实战培训课程

•  

• 培训对象：智能制造工程师、视觉系统集成商、质量管理人员、需要将AI技术应用于工业质检场景的跨领域技术人员。

•  

• 培训目标：

  1. 理解AI质检与传统视觉质检的差异，掌握AI质检系统的整体架构与项目落地流程。

  2. 熟练进行质检数据采集、标注、增强，训练适用于工业场景的分类、检测、分割模型。

  3. 掌握AI质检系统的部署、调试与维护方法，能够独立完成小型AI质检项目的交付。

•  

• 培训内容介绍：

  1. AI质检概述：了解AI质检在智能制造中的应用价值，对比传统视觉与AI视觉的优缺点，分析典型AI质检场景（外观缺陷、尺寸超差、装配验证）。

  2. 项目需求分析：与客户沟通明确质检需求，确定检测项、缺陷类型、精度要求、节拍时间，制定技术方案与验收标准。

  3. 硬件选型：根据检测需求选择相机（分辨率、帧率）、镜头（焦距、景深）、光源（颜色、角度、结构），搭建实验平台验证照明效果。

  4. 数据采集与清洗：采集包含良品与各类缺陷的样本图像，确保样本多样性（不同角度、光照），剔除无效与重复样本。

  5. 数据标注：使用标注工具（LabelImg、Labelme、CVAT）进行图像标注，分类标注类别标签，检测标注边界框，分割标注掩膜。

  6. 模型选型：根据质检任务选择合适模型（分类网络、YOLO目标检测、U-Net分割），考虑模型精度与推理速度的平衡。

  7. 模型训练与优化：配置训练参数，进行迁移学习，使用数据增强提升泛化能力，调整损失函数处理类别不平衡。

  8. 模型评估与验收：使用测试集评估模型指标（准确率、召回率、误报率），与客户共同确认验收标准，迭代优化至满足要求。

  9. 推理部署：将模型转换为ONNX/TensorRT格式，部署到边缘设备（Jetson、工控机），编写推理程序集成相机与IO控制。

  10. 人机交互界面：开发质检结果显示界面，实时显示检测图像、标注框、分类结果，记录检测数据与统计报表。

  11. 现场调试与优化：现场安装调试系统，根据实际生产环境优化光源与模型，进行长时间稳定性测试，处理误报与漏报。

  12. 项目交付与维护：编写项目文档（需求规格、测试报告、操作手册），培训现场人员，建立模型定期更新机制。