結合 AI 的工業電腦視覺：缺陷檢測與視覺檢驗培訓

工業電腦視覺入門

• 製造業中機器視覺系統概覽
• 常見缺陷類型：裂紋、刮痕、對準偏差、零件缺失
• AI 與傳統基於規則的視覺檢驗之比較

影像擷取與前處理

• 相機類型與影像擷取設定
• 雜訊移除、對比增強與正規化處理
• 資料增強以提升訓練的穩健性

物件偵測與分割技術

• 傳統方法（閾值處理、邊緣偵測、輪廓提取）
• 深度學習方法：CNN、U-Net、YOLO
• 偵測、分類與分割之間的取捨考量

缺陷檢測模型開發

• 準備標註資料集
• 訓練缺陷分類器與分割器
• 模型評估指標：精確率、召回率、F1 分數

工業環境部署

• 硬體考量：GPU、邊緣裝置、工業 PC
• 即時檢驗流程架構設計
• 與 PLC 及工廠自動化系統整合

效能調優與維護

• 應對光照變化與生產環境波動
• 模型重新訓練與持續學習
• 警報機制、日誌記錄及 QA 報告整合

案例研究與領域應用

• 汽車組裝與焊接中的缺陷檢測
• 電子產品與半導體的表面檢驗
• 藥局與食品產業的標籤與包裝驗證

總結與後續步驟