Merancang Sistem Deteksi Cacat Berbasis Visi untuk Lini Produksi

Sistem deteksi cacat yang berhasil di lini produksi nyata memiliki beberapa kebiasaan: pencitraan yang bersih, pelabelan yang cermat, evaluasi yang kuat, dan integrasi yang menghargai lini dan tim yang ada. Kursus ini membahas pilihan-pilihan tersebut sesuai urutan kemunculannya dalam sebuah proyek. Anda akan mengerjakan latihan desain tertulis yang mencerminkan bagaimana tim otomatisasi atau data kecil akan merencanakan sistem deteksi cacat. Penekanannya adalah pada pertimbangan praktis yang penting ketika kecepatan lini, false positive, dan kepercayaan operator semuanya berada di bawah tekanan. Apa yang akan Anda pelajari: - Merencanakan pengaturan pencitraan termasuk pencahayaan, resolusi kamera, dan sinkronisasi pemicu - Membangun protokol pelabelan yang menghasilkan data pelatihan yang bersih dengan definisi cacat yang jelas - Membandingkan pendekatan pemodelan termasuk classification, detection, segmentation, dan anomaly detection - Mengevaluasi model dengan metrik yang bermakna secara operasional seperti tingkat false positive dan cacat yang terlewat - Merencanakan penerapan dengan memperhatikan latensi inferensi, kecepatan lini, dan integrasi dengan sistem PLC - Merancang alur kerja pelatihan ulang yang menangani jenis cacat baru dan campuran produksi yang berubah Kursus ini berkembang dari pencitraan melalui pelabelan, pemodelan, evaluasi, dan akhirnya integrasi lini. Sebuah latihan tertulis capstone meminta Anda untuk menyusun desain satu halaman untuk sistem deteksi cacat untuk produk dan lingkungan produksi tertentu. Kursus ini dirancang untuk pemula dengan latar belakang perangkat lunak atau teknik, termasuk data scientists yang memasuki manufaktur, automation engineers yang menjelajahi AI, dan mahasiswa teknik industri. Tidak diperlukan pengalaman manufaktur yang mendalam. Kursus ini memperlakukan sistem sebagai masalah desain yang dapat Anda pertimbangkan di atas kertas sebelum perangkat keras apa pun dibeli.