Deep Learning pour la détection de défauts industriels

Le contrôle de qualité automatisé transforme la fabrication moderne, mais le déploiement de modèles d'IA fiables sur le plancher d'usine nécessite une compréhension solide de l'apprentissage profond et de l'optimisation pratique. Ce cours vous guide à travers les concepts fondamentaux de la vision par ordinateur appliqués spécifiquement à l'inspection industrielle. Vous passerez de la compréhension de la classification d'image de base à la préparation de jeux de données industriels, à la formation de modèles de détection de défauts robustes et à l'application de techniques d'optimisation pour le déploiement dans le monde réel. Grâce à des explications écrites étape par étape et à des extraits de code clairs, vous apprendrez à construire des pipelines efficaces qui identifient les anomalies avec une grande précision. Ce que vous apprendrez: - Comprendre la terminologie de base de la vision par ordinateur, de la classification d'image et de la détection de défauts. - Préparer et prétraiter des ensembles de données d'images industrielles, y compris la gestion du déséquilibre de classe. - Former un classificateur d'apprentissage profond à l'aide de PyTorch pour détecter les anomalies de surface et les défauts de fabrication. - Appliquer des techniques d'optimisation modernes pour accélérer l'inférence de modèle pour les périphériques de périphérie. - Évaluer les performances du modèle à l'aide de mesures clés telles que la précision, le rappel et le score F1. - Configurez des pipelines MLOps de base pour surveiller et maintenir la précision du modèle au fil du temps.