计算机视觉（CV）工业应用培训课程（缺陷检测/目标跟踪）
-
-
【培训对象】
工业自动化工程师、机器视觉工程师、AI算法工程师、智能制造IT人员，希望将计算机视觉技术应用于工业场景。
-
-
【培训目标】
一、 理解工业视觉的主要任务（缺陷检测、目标定位、尺寸测量、目标跟踪）和典型应用场景。
二、 掌握针对工业缺陷检测的数据集构建方法，包括数据采集、清洗和标注策略。
三、 学会选择和调优适用于工业场景的视觉模型，解决小样本、类别不平衡、实时性等工业落地难题。
四、 具备将视觉模型封装为工业应用，并与现有自动化系统（如PLC）集成的初步能力。
-
-
【培训内容介绍】
一、 计算机视觉工业应用概述：工业4.0背景下的视觉应用，缺陷检测、视觉引导、目标跟踪、OCR识别等典型场景。
二、 工业视觉系统组成：工业相机、镜头、光源选型，成像系统设计对后续算法的影响。
三、 工业缺陷检测数据集构建：缺陷类型分析，数据采集规范，数据清洗与标注工具，数据增强策略应对小样本问题。
四、 图像分类在缺陷检测中的应用：使用CNN模型（如ResNet, EfficientNet）对产品进行良品/不良品分类，解决类别不平衡问题。
五、 目标检测在缺陷定位中的应用：使用YOLO， Faster R-CNN等模型检测和定位图像中的缺陷区域，处理小目标缺陷。
六、 图像分割在缺陷分割中的应用：使用U-Net， DeepLab等模型实现像素级的缺陷分割，精确测量缺陷面积、形状。
七、 异常检测（Anomaly Detection）在工业中的应用：针对仅有良品样本的场景，使用自编码器、GAN等方法检测异常。
八、 目标跟踪技术（一）：多目标跟踪（MOT）基础，IOU匹配、卡尔曼滤波、匈牙利算法原理。
九、 目标跟踪技术（二）：基于深度学习的跟踪模型（如DeepSORT）在工业流水线目标追踪中的应用。
十、 工业模型轻量化与加速：模型剪枝、量化、知识蒸馏，将模型部署到嵌入式设备或边缘计算盒子，满足实时性要求。
十一、 模型部署与系统集成：使用OpenVINO， TensorRT等推理引擎优化和部署模型，通过API或SDK与PLC/上位机通信。
十二、 实战演练：针对一个具体的工业场景（如PCB板缺陷检测或零件追踪），完成从数据准备、模型训练、优化到边缘端部署的全流程。
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表点击在线申请
服务特点：
海量专家资源，精准匹配相关行业，相关项目专家，针对实际需求，顾问式咨询，互动式授课，案例教学，小班授课，实际项目演示，快捷高效，省时省力省钱。
专家力量：
中国科学院软件研究所，计算研究所高级研究人员
oracle,微软，vmware，MSC,Ansys，candence,Altium,达索等大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关技术专业，理论素养丰富
多年实际项目经历，大型项目实战案例，热情，乐于技术分享
针对客户实际需求，案例教学，互动式沟通，学有所获
