VIP20
本课程属于：030-Intel Edge AI与OpenVINO部署优化 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

9. OpenVINO工业视觉案例：缺陷检测与相机流水线集成

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 工业视觉与OpenVINO的定位
课程导入学习目标
02
工业视觉基础
缺陷检测的定义 · 常见缺陷类型（划痕 · 污渍
工业视觉基础缺陷检测的定义
03
相机流水线概述
工业相机类型（面阵 · 线阵） · 接口（GigE
相机流水线概述工业相机类型
04
图像采集与预处理
相机参数设置（曝光 · 增益 · 白平衡）
图像采集预处理
05
OpenVINO工具套件介绍
核心组件（Model Optimiz… · Inference Engine · OpenVINO Runtime）与…
OpenVINO工具套件介绍
06
模型转换与优化
将PyTorch/TensorFlo… · 使用Model Optimizer与…
模型转换优化
07
缺陷检测模型选型
经典CNN（ResNet · VGG） · 目标检测（YOLO
缺陷检测模型选型CNN
08
数据准备与标注
缺陷样本采集 · 标注工具（LabelImg · CVAT）
数据准备标注
09
训练与验证
模型训练流程 · 损失函数选择 · 评估指标（IoU
训练验证
10
OpenVINO推理部署
使用OpenVINO Runtime… · 设置推理设备（CPU · GPU
OpenVINO推理部署
11
相机流水线集成
使用OpenCV或GStreamer… · 与OpenVINO推理引擎对接
相机流水线集成OpenCV
12
实时推理优化
异步推理 · 批处理 · 模型量化（INT8）与推理延迟优化技…
实时推理优化异步推理
13
案例实战一
基于YOLOv5的金属表面缺陷检测 · 从数据到OpenVINO部署
案例实战一YOLOv5
14
案例实战二
基于U-Net的纺织品缺陷分割 · 实现像素级定位与面积计算
案例实战二U-Net
15
案例实战三
多相机协同流水线 · 实现多视角缺陷检测与结果融合
案例实战三多相机协同流水线
16
缺陷分类与分级
根据缺陷大小 · 位置 · 严重程度自动分级
缺陷分类分级
17
结果可视化与报警
在图像上绘制检测框/掩码 · 触发声光报警或PLC联动
结果可视化报警
18
系统集成与通信
与PLC · MES系统通过Modbus · OPC UA或TCP/IP通信
系统集成通信
19
性能评估与验收
吞吐量（FPS） · 准确率 · 误检率
性能评估验收
20
常见问题与调试
模型精度不足 · 推理速度慢 · 相机图像模糊
常见问题调试
21
模型鲁棒性提升
域适应 · 对抗训练 · 多环境数据采集
模型鲁棒性提升域适应
22
边缘计算与部署
在Jetson · 树莓派等边缘设备上部署OpenVIN… · 实现低功耗实时检测
边缘计算部署
23
工业相机标定
内参 · 外参标定 · 畸变校正
工业相机标定内参
24
缺陷检测中的传统图像处理
边缘检测 · 阈值分割 · 形态学操作与OpenVINO结合使用
缺陷检测传统图像处理
25
深度学习与传统方法融合
使用传统方法预处理 · 深度学习分类 · 提高检测效率与准确率
深度学习传统方法融合
26
模型压缩与加速
剪枝 · 蒸馏 · 量化在OpenVINO中的实现与效果…
模型压缩加速
27
多线程与流水线架构
设计采集 · 推理 · 后处理
多线程流水线架构
28
实战项目
从需求分析 · 方案设计 · 开发调试到上线部署的完整流程
实战项目从需求分析
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议与进阶资源推荐
课程总结核心知识点回顾
30
综合考核
设计一个完整的缺陷检测系统 · 包括相机选型 · 模型训练
综合考核设计一个完整的缺…