VIP10
本课程属于：134-智慧工厂AI与MESSCADA工程 AI智能与边缘计算工程 · 共 10 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

智慧工厂AI质检

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=智慧工厂AI质检的定义 · 学习目标 · 课程整体框架与行业价值
课程导入AI
02
工业质检基础
目标=传统质检方法 · 人工质检痛点 · 自动化质检发展历程与AI质检的定位
工业质检基础目标=传统质检方…
03
智慧工厂与智能制造
目标=工业4.0 · MES系统 · 工业物联网
智慧工厂智能制造
04
AI质检核心概念
目标=计算机视觉 · 深度学习 · 缺陷检测
AI质检核心概念
05
质检数据采集
目标=工业相机 · 光源 · 镜头选型
质检数据采集目标=工业相机
06
数据预处理与增强
目标=图像去噪 · 归一化 · 标注方法
数据预处理增强
07
传统机器视觉方法
目标=边缘检测 · 模板匹配 · 形态学操作
传统机器视觉方法目标=边缘检测
08
深度学习基础
目标=卷积神经网络 · 池化 · 激活函数
深度学习基础目标=卷积神经网…
09
主流检测模型
目标=YOLO · Faster R-CNN · SSD
主流检测模型YOLO
10
语义与实例分割
目标=U-Net · Mask R-CNN · DeepLab在表面缺陷分割中的实战…
语义实例分割
11
异常检测与无监督学习
目标=Autoencoder · GAN · PatchCore
异常检测无监督学习
12
模型训练与调优
目标=数据集划分 · 迁移学习 · 超参数调优
模型训练调优
13
模型评估指标
目标=准确率 · 召回率 · F1分数
模型评估指标目标=准确率
14
模型部署与推理优化
目标=ONNX · TensorRT · OpenVINO
模型部署推理优化
15
边缘计算与云边协同
目标=边缘设备选型 · 模型量化 · 剪枝
边缘计算云边协同
16
AI质检系统架构
目标=图像采集 · 预处理 · 推理
AI质检系统架构
17
缺陷分类与分级
目标=划痕 · 凹坑 · 脏污
缺陷分类分级
18
小样本与零样本质检
目标=数据稀缺场景下的元学习 · 提示学习与生成式数据扩充
小样本零样本质检
19
3D视觉与多模态质检
目标=点云处理 · 深度图 · 红外与可见光融合在复杂缺陷检测中的应…
3D视觉多模态质检
20
案例实战一
目标=电子元器件表面缺陷检测——从数…
案例实战一目标=电子元器件…
21
案例实战二
目标=汽车零部件焊缝质检——缺陷分割 · 尺寸测量与产线集成
案例实战二目标=汽车零部件…
22
案例实战三
目标=纺织品布匹瑕疵检测——高速产线…
案例实战三目标=纺织品布匹…
23
案例实战四
目标=药品包装与标签质检——OCR · 条码识别与合规性检查
案例实战四OCR
24
常见问题与挑战
目标=光照变化 · 缺陷样本少 · 误检率高
常见问题挑战
25
模型可解释性与根因分析
目标=Grad-CAM · SHAP · 特征可视化与质检结果追溯
模型可解释性根因分析
26
AI质检与质量管理体系
目标=SPC · 六西格玛 · PDCA与AI质检数据的闭环优化
AI质检
27
项目落地与ROI分析
目标=需求评估 · 成本预算 · 实施周期
ROI项目落地
28
伦理、安全与合规
目标=数据隐私 · 算法偏见 · 工业安全标准与AI质检责任界定
伦理安全
29
前沿趋势
目标=自监督学习 · 大模型 · 生成式AI
前沿趋势目标=自监督学习
30
综合提升与课程总结
目标=知识体系回顾 · 实战项目复盘 · 持续学习路径与职业发展建议
综合提升课程总结