Pagdidisenyo ng Vision-Based na Sistema ng Pagtukoy ng Depekto para sa Linya ng Produksyon

Ang mga sistema ng pagtukoy ng depekto na nagtatagumpay sa isang tunay na linya ng produksyon ay may ilang karaniwang gawi: malinis na imaging, maingat na pag-label, matatag na ebalwasyon, at magalang na integrasyon sa kasalukuyang linya at koponan. Ang kursong ito ay tatalakay sa mga pagpipiliang iyon sa pagkakasunud-sunod na karaniwan nilang lumilitaw sa panahon ng isang proyekto. Dadaan ka sa mga nakasulat na pagsasanay sa disenyo na sumasalamin kung paano magpaplano ang isang maliit na automation o data team ng isang sistema ng pagtukoy ng depekto. Ang diin ay sa mga praktikal na kompromiso na mahalaga kapag ang bilis ng linya, mga maling positibo, at tiwala ng operator ay nasa ilalim ng presyon. Ano ang matututunan mo: - Magplano ng mga setup ng imaging kabilang ang pag-iilaw, resolusyon ng camera, at pag-synchronize ng trigger - Bumuo ng mga protocol sa pag-label na gumagawa ng malinis na data ng pagsasanay na may malinaw na kahulugan ng depekto - Ihambing ang mga diskarte sa pagmomodelo kabilang ang classification, detection, segmentation, at anomaly detection - Suriin ang mga modelo gamit ang mga sukatan na makabuluhan sa operasyon tulad ng false positive rate at mga hindi nakitang depekto - Magplano ng deployment na may pagtuon sa inference latency, bilis ng linya, at integrasyon sa mga sistema ng PLC - Magdisenyo ng mga retraining workflow na humahawak ng mga bagong uri ng depekto at nagbabagong production mixes Ang kurso ay umuusad mula sa imaging, sa pag-label, pagmomodelo, ebalwasyon, at sa wakas ay integrasyon sa linya. Isang capstone na nakasulat na pagsasanay ang humihiling sa iyo na gumawa ng isang pahinang disenyo para sa isang sistema ng pagtukoy ng depekto para sa isang partikular na produkto at kapaligiran ng produksyon. Ang kursong ito ay idinisenyo para sa mga nagsisimula na may kaunting background sa software o engineering, kabilang ang mga data scientist na pumapasok sa manufacturing, mga automation engineer na nag-e-explore ng AI, at mga estudyante ng industrial engineering. Hindi kinakailangan ang malalim na karanasan sa manufacturing. Tinuturing ng kurso ang sistema bilang isang problema sa disenyo na maaari mong pag-isipan sa papel bago pa man bilhin ang anumang hardware.