Kerangka Materi

Pengenalan terhadap Computer Vision Industri

  • Tinjauan mengenai sistem pemandangan mesin dalam manufaktur
  • Defek tipikal: retak, goresan, kesalahan penempatan, komponen hilang
  • AI versus inspeksi visual berbasis aturan tradisional

Pengambilan Gambar dan Pra-pemrosesan

  • Jenis kamera dan pengaturan pengambilan gambar
  • Pengurangan noise, peningkatan kontras, dan normalisasi
  • Pengayaan data untuk ketahanan pelatihan

Teknik Deteksi dan Segmentasi Objek

  • Pendekatan klasik (thresholding, deteksi tepi, kontur)
  • Metode deep learning: CNNs, U-Net, YOLO
  • Memilih antara deteksi, klasifikasi, dan segmentasi

Pengembangan Model Deteksi Defek

  • Menyiapkan dataset yang telah dianotasikan
  • Melatih klasifikasi dan segmentasi defek
  • Penilaian model: presisi, recall, skor F1

Penggunaan dalam Lingkungan Industri

  • Pertimbangan peralatan: GPUs, perangkat edge, PC industri
  • Arsitektur pipa inspeksi real-time
  • Integrasi dengan PLC dan sistem otomatisasi pabrik

Pengaturan Kinerja dan Pemeliharaan

  • Menangani perubahan pencahayaan dan kondisi produksi
  • Pelatihan ulang model dan pembelajaran berkelanjutan
  • Integrasi peringatan, log, dan laporan QA

Kasus Studi dan Aplikasi Domain

  • Deteksi defek dalam pemasangan dan pengelasan mobil
  • Inspeksi permukaan dalam elektronik dan semiconductor
  • Verifikasi label dan pengemasan dalam farmasi dan makanan

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dengan konsep machine learning atau computer vision
  • Familiaritas dengan Python programming
  • Pemahaman dasar tentang kontrol kualitas atau otomatisasi industri

Peserta

  • Tim QA
  • Insinyur otomatisasi
  • Pengembang computer vision
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait