【培訓成果】精進自我競爭力,學習AI產品瑕疵檢測,在職場發光發熱!

by Carina Wu
精進自我競爭力,學習AI產品瑕疵檢測,在職場發光發熱!

2020年有越來越多的機器視覺軟體加入「深度學習技術」,成功地在產業中進行實際運用,深度學習在市場上有更普及的需求。然而,傳統光學檢測則面臨挑戰,從過去客戶的「大量同規格」訂單環境轉變為「少量多樣」或「大量多樣」的特色模式,產品檢測日漸複雜,無法單靠人工進行檢測。

加上自動光學檢測 ( AOI ) 跟AI技術的崛起,AOI檢測瑕疵成為生產線上重要的一環,同時「深度學習技術」也能傳統AOI的限制,提高它的檢測精確度、降低人力成本。並應用深度學習中的卷積神經網路 ( CNN ),作為影像判別的方法。圖像與影像都能透過CNN找到特徵、辨識,它以學習得到特徵,來完成瑕疵檢測。

在這波勢不可擋的技術潮流之下,緯育TibaMe即開設「AI產品瑕疵檢測—應用CNN物件偵測實作班」,幫助學員理解哪些檢測適合使用深度學習,並透過手把手的實作課程,學員能親自將經典的深度學習模式應用在瑕疵檢測上。實作班不僅讓學員建構「產品瑕疵影像任務種類」、「深度學習應用於產品瑕疵影像辨識」的整體概念,也讓學員在應用與研發相關系統時,能迅速掌握核心要點!

參加本實作班、任職科技公司客戶工程師的楊同學提及,原先公司是處理機械視覺,也就是AOI的軟體程式庫相關硬體的研發製造商,且因負責內容為機器視覺軟體演算法的開發及應用,他報名參訓實作班,即期望透過實作班能加強自身在瑕疵檢測及樣本比對上的技能

透過實作班紮實的培訓,楊同學嘗試將python整合進C++語言應用,跟著老師一步步進行專案開發與整合,藉由課程上的知識將它拓展到職場。實作班的錄影教材,亦成為楊同學在後續開發階段能持續運用的資源之一,協助他不斷克服技術困難、修正工作細節,朝著「提升瑕疵檢測及樣本比對的正確率」的目標邁進。

AOI在現代工業中扮演不可或缺的角色,而其中的深度學習應用在各種不同的AOI檢測中皆有優異的成果。緯育TibaMe在課程規劃上,不僅貼近產業需求,更專注於提升學員相關職場技能,提拔他們所學皆能運用於職場,不斷精進自我競爭力!


AI產品瑕疵檢測—應用CNN物件偵測實作班:https://www.tibame.com/offline/aoi_cnn_image

成為TibaMe Line官方好友,掌握第一手科技教育資訊加入好友
分享這篇文章:
0 comment
0

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料