VIP20
本课程属于：163-Cognex In-Sight工业视觉检测工程 AI智能与边缘计算工程 · 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

Cognex In-Sight深度学习视觉检测应用

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与In-Sight深度学习概览
目标=了解In-Sight深度学习视… · 核心价值 · 典型工业应用场景
In-Sight课程导入
02
In-Sight系统硬件与软件环境搭建
目标=认识In-Sight智能相机 · 光源 · 镜头
In-Sight系统硬件
03
In-Sight深度学习工具与界面导航
目标=熟悉In-Sight ViDi… · 界面布局 · 任务创建流程
In-Sight深度学习工具
04
图像采集与预处理实战
目标=针对实际检测对象 · 学习光源调节 · 曝光控制
图像采集预处理实战
05
深度学习检测任务定义与标注
目标=明确检测目标（缺陷 · 分类 · 定位）
深度学习检测任务…标注
06
ViDi分类工具原理与应用
目标=理解分类网络的基本原理 · 掌握在In-Sight中训练分类模型 · 评估混淆矩阵
ViDi分类工具原理
07
ViDi检测工具原理与应用
目标=学习异常检测与缺陷分割原理 · 训练检测模型识别划痕 · 脏污
ViDi检测工具原理
08
ViDi定位工具原理与应用
目标=掌握基于深度学习的特征定位方法 · 实现工件定位 · 角度校正与ROI跟随
ViDi定位工具原理
09
ViDi读取工具原理与应用
目标=学习OCR与字符读取的深度学习… · 训练模型读取喷码 · 标签
ViDi读取工具原理
10
多工具协同与任务链设计
目标=在同一个In-Sight任务中… · 分类 · 检测
多工具协同任务链设计
11
模型训练参数与超参数调优
目标=深入理解学习率 · 迭代次数 · 批大小
模型训练参数超参数调优
12
模型评估与性能指标解读
目标=学习准确率 · 召回率 · F1分数
模型评估性能指标解读
13
数据集构建与增强策略
目标=针对工业小样本问题 · 学习数据采集计划 · 样本平衡
数据集构建增强策略
14
处理类别不平衡与难例挖掘
目标=掌握欠采样 · 过采样 · 损失加权
处理类别不平衡难例挖掘
15
In-Sight深度学习模型部署与运行
目标=将训练好的模型部署到In-Si… · 配置触发 · 结果输出
In-Sight深度学习模型部署
16
与PLC和机器人通信集成
目标=学习In-Sight与PLC · 机器人通过EtherNet/IP · PROFINET
PLC机器人通信集成
17
典型缺陷检测案例
目标=表面划痕与脏污 · 完成从图像采集 · 标注
典型缺陷检测案例目标=表面划痕
18
典型缺陷检测案例
目标=装配缺失与错位 · 训练检测模型识别缺件 · 错装
典型缺陷检测案例目标=装配缺失
19
典型分类案例
目标=产品等级与类型分选 · 对产品进行多类别分选 · 并优化模型以适应产线节拍
典型分类案例目标=产品等级
20
典型定位案例
目标=高精度工件定位与对位 · 引导机器人抓取或贴合
典型定位案例目标=高精度工件…
21
典型读取案例
目标=工业字符与二维码读取 · 处理低质量 · 变形
典型读取案例目标=工业字符
22
多相机与多工位协同检测
目标=学习多台In-Sight相机组… · 任务分配 · 结果汇总
多相机多工位协同检测
23
检测节拍优化与实时性保障
目标=分析图像采集 · 推理 · 通信各环节耗时
检测节拍优化实时性保障
24
误检与漏检问题系统化排查
目标=建立从图像质量 · 标注质量 · 模型参数到现场环境的排查清单
误检漏检问题系统化排…
25
模型维护与再训练策略
目标=制定模型版本管理 · 数据回流 · 增量训练与再部署流程
模型维护再训练策略
26
In-Sight深度学习与传统视觉工具对比
目标=分析传统视觉与深度学习在缺陷检… · 学习混合使用策略
In-Sight深度学习
27
行业应用案例
目标=3C电子精密检测 · 尺寸测量 · 字符读取的深度学习方案与实施要点
行业应用案例目标=3C电子精…
28
行业应用案例
目标=汽车零部件检测 · 装配验证 · 字符追溯
行业应用案例目标=汽车零部件…
29
行业应用案例
目标=食品与药品包装检测 · 标签错印 · 异物检测
行业应用案例目标=食品
30
课程总结与综合实战项目
目标=回顾核心知识 · 完成一个从需求分析 · 方案设计
课程总结综合实战项目