【培訓對象】
制造型企業(yè)高管團隊以及技術(shù)總監(jiān)、產(chǎn)品經(jīng)理，企業(yè)生產(chǎn)、工藝、設(shè)備、質(zhì)量管理人員和數(shù)字化項目團隊等

【培訓收益】

一、工業(yè)檢測技術(shù)的演進及其AI賦能
1.工業(yè)檢測的范圍與場景（產(chǎn)品檢測與行為檢測）
2.從傳統(tǒng)檢測到AI智能檢測的技術(shù)發(fā)展路徑
傳統(tǒng)檢測：人工目視檢查和簡單測量工具階段
傳統(tǒng)機器視覺檢測：規(guī)則算法和固定閾值的檢測
AI檢測：基于深度學習和神經(jīng)網(wǎng)絡(luò)具備自學習能力
案例介紹：AI檢測與傳統(tǒng)機器視覺檢測的機理差異及在零部件缺陷及變異檢測中的高準確性
3.工業(yè)檢測的挑戰(zhàn)與瓶頸：小樣本、高實時性、缺陷多樣性
4.現(xiàn)代工業(yè)AI檢測系統(tǒng)的四大支柱：光學、聲學、力學、化學
5.AI在多模態(tài)檢測中的核心價值：自適應、自學習、自決策
二、工業(yè)視覺檢測基礎(chǔ)與系統(tǒng)選型
1.AI檢測的眼睛：拍一張高質(zhì)量現(xiàn)場照片的意義
2.工業(yè)機器視覺與圖像處理的技術(shù)基礎(chǔ)
CCD與相機技術(shù)：2D、3D相機、事件相機
鏡頭對圖像的影響：根據(jù)視場、分辨率和工作距離選擇合適的鏡頭
光源與照明：光照方向、光源類型與顏色對缺陷顯現(xiàn)的作用
案例介紹：外觀檢測的原理與最佳設(shè)置方法舉例
案例介紹：大尺寸構(gòu)件機器視覺檢測項目的系統(tǒng)組成
新的思路：基于數(shù)字孿生技術(shù)融合的“虛擬相機”
三、深度學習核心算法與缺陷檢測實戰(zhàn)
1.基于神經(jīng)網(wǎng)絡(luò)的核心算法簡介：
AI的技術(shù)演進與當下主流核心：理解神經(jīng)網(wǎng)絡(luò)算法與通用大模型
主流機器視覺模型CNN、YOLO等在缺陷分類、定位、分割中的應用
課堂演示：基于YOLO模型的工件表面缺陷分類之數(shù)據(jù)集、缺陷標注、模型訓練與驗證
缺陷檢測中的數(shù)據(jù)難點與知識遷移（GAN等）簡介
2.不同行業(yè)檢測場景案例精析：
缺陷檢測中數(shù)據(jù)預處理的一些原則和方法
汽車行業(yè)：火花塞尺寸與車蓋密封條檢測
3C電子：PCB板焊點分割與缺陷識別、屏幕亮點壞點檢測等
鋼鐵冶金：帶鋼表面缺陷檢測（劃痕、孔洞、氧化皮）
四、作業(yè)行為檢測技術(shù)與應用場景
1.行為檢測的核心技術(shù)與算法：
目標檢測：識別工具、零件、人員
姿態(tài)估計：獲取人體關(guān)鍵點，分析動作姿態(tài)
行為識別：基于視頻序列判斷復雜行為
2.作業(yè)場景與行業(yè)案例（可選）：
裝配作業(yè)合規(guī)性（防呆）：
案例（汽車）：安裝發(fā)動機缸蓋時，正確執(zhí)行了“打膠-安裝-擰緊”的標準化流程。
案例（電子）：擰緊手機主板螺絲時，是否使用了正確的電動扭矩螺絲刀、擰足了指定顆數(shù)。
3.企業(yè)安全生產(chǎn)：
案例（重工）：實時監(jiān)測人員是否進入危險區(qū)域、是否正確佩戴安全帽/手套。
案例（通用）：識別煙霧、火焰等異常狀態(tài)。
4.案例介紹：作業(yè)效率分析之組裝生產(chǎn)線的動作路徑，優(yōu)化動作，減少耗時
五、多模態(tài)AI融合檢測技術(shù)
1.多模態(tài)AI融合算法
基于深度學習的多模態(tài)特征融合技術(shù)
多模態(tài)注意力機制在檢測中的應用
2.聲學與振動檢測的AI應用
基于時序深度學習的故障預測
案例：基于LTSM模型故障預測的應用
3.案例介紹：德國萊茵檢測全自動智能無人值守實驗室SMART LAB
六、模型部署與系統(tǒng)工程
1.系統(tǒng)集成（Integration）：通過API、MQTT等協(xié)議與MES、QMS、PLC等工業(yè)系統(tǒng)實現(xiàn)“檢測-判斷-執(zhí)行”的閉環(huán)。
2.模型輕量化與加速技術(shù)簡介：剪枝、蒸餾、量化
3.部署策略選擇：
邊緣部署（Edge Deployment）：使用NVIDIA、華為Atlas等設(shè)備實現(xiàn)低延遲實時檢測
云端部署（Cloud Deployment）：處理復雜分析和大批量數(shù)據(jù)
案例介紹：基于科大訊飛星火大模型的工業(yè)數(shù)據(jù)集訓練與應用部署 

 洪華博士