Eğitimin Amacı ve Kapsamı
Üretim hatlarında hatalı parça örneği çok azdır, kusur tipleri önceden tam bilinemez ve karar süresi milisaniyelerle sınırlıdır. Bu program, optik kurulum (kamera, lens, aydınlatma, tetikleme) ile başlayıp hem denetimli kusur tespitini (YOLO, segmentasyon) hem de yalnızca sağlam parça görüntüsüyle eğitilen unsupervised anomali tespitini (anomalib: PatchCore, PaDiM, EfficientAd) ele alır.
Metal, tekstil, otomotiv, gıda ve elektronik (PCB) örnekleri üzerinde piksel düzeyinde anomali haritası çıkarılır, kabul/ret (OK/NOK) eşikleri kalibre edilir ve PLC/SCADA entegrasyon mimarisi incelenir. Katılımcılar kendi üretim hatlarındaki bir kalite kontrol noktası için uçtan uca teknik tasarım ve prototip oluşturur.
Kimler Katılmalı?
- Fabrika ve üretim hatları için görüntü işleme geliştiren bilgisayarlı görü mühendisleri
- Kalite kontrol, otomasyon ve Ar-Ge süreçlerinde çalışan endüstri ve mekatronik mühendisleri
- Akıllı fabrika (Endüstri 4.0) dönüşüm projelerini yürüten teknik ekipler
- Ön koşul: Python bilgisi; temel görüntü işleme veya makine öğrenmesi aşinalığı
Kazanımlar
- Kusur tipine göre doğru aydınlatma (dark-field, back-light, koaksiyel) ve kamera kurulumunu belirlemek
- Kusurlu örnek az olduğunda PatchCore ve EfficientAd ile yalnızca sağlam ürünlerden anomali modeli eğitmek
- Yüzey çizik, çatlak, leke ve montaj eksikliklerini segmentasyon ve tespit modelleriyle yakalamak
- Overkill (sağlamı hurdaya ayırma) ve escape (hatalıyı kaçırma) oranlarına göre eşik kalibrasyonu yapmak
- Modeli hat hızına uygun gecikmeyle çalıştırıp OPC-UA/Modbus üzerinden PLC'ye sinyal üretmek
Konular
Endüstriyel Görüntüleme, Optik ve Aydınlatma
- Area-scan ve line-scan kameralar, global shutter, lens ve çalışma mesafesi hesabı
- Parlak metal, cam ve dokulu yüzeylerde aydınlatma teknikleri ve donanım tetikleme (trigger)
Klasik Metroloji ve Şablon Eşleştirme
- Sub-pixel kenar tespiti, boyut/açı ölçümü ve kalibrasyon
- Hızlı varlık/yokluk kontrolü ve ROI (Region of Interest) hizalama
Denetimli Kusur Tespiti ve Yüzey Segmentasyonu
- Çizik, çapak, delik ve leke tespiti için yüksek çözünürlüklü segmentasyon
- Sentetik kusur üretimi ve küçük kusurlarda tiling stratejileri
Unsupervised Anomali Tespiti (anomalib)
- Yalnızca sağlam (OK) örneklerle eğitim: PatchCore, PaDiM ve EfficientAd
- Piksel düzeyinde anomali ısı haritası ve AUROC / F1 eşik optimizasyonu
Hat Entegrasyonu, PLC Haberleşmesi ve Sürekli İyileştirme
- Overkill vs escape ödünleşimi, çevrim süresi (cycle time) ve deterministik çıkarım
- GigE Vision, OPC-UA/Modbus ile PLC entegrasyonu ve sahadan aktif veri toplama
Bu Kategorideki Diğer Eğitimler
-
Yatan hasta düşme önleme, yoğun bakım izleme, el hijyeni ve KKD uyumu, ameliyathane cerrahi alet sayımı ve KVKK uyumlu edge anonimleştirme; hastane dijital dönüşüm ve sağlık teknolojisi ekipleri için.
- Canlı Kurs
- 5 modül
-
DICOM/NIfTI işleme, MONAI ve nnU-Net ile BT/MR/röntgen üzerinde 2D/3D lezyon ve organ segmentasyonu, tümör patolojisi (WSI) analizi ve klinik doğrulama; medikal görüntüleme ve biyomedikal yapay zeka ekipleri için.
- Canlı Kurs
- 5 modül
-
Resepsiyon ve lobi kuyruk/yoğunluk analizi, açık büfe tepsi doluluk takibi ve gıda israfı ölçümü, otopark plaka tanıma, havuz/tesis güvenliği ve KVKK uyumlu anonim analitik; turizm ve otelcilik teknoloji ekipleri için.
- Canlı Kurs
- 5 modül
-
ONNX Runtime, TensorRT, OpenVINO ve TFLite ile model dönüştürme, INT8 quantization, NVIDIA Jetson ve Raspberry Pi üzerinde kamera pipeline'ı, GStreamer ve OTA güncelleme; modelleri sahada düşük gecikmeyle çalıştıran ekipler için.
- Canlı Kurs
- 5 modül
-
Knowledge distillation, yapısal pruning, Quantization-Aware Training (QAT), NAS ve Torch-TensorRT profilleme; büyük bilgisayarlı görü modellerini doğruluk kaybını en aza indirerek küçültüp hızlandırmak isteyen mühendisler için.
- Canlı Kurs
- 5 modül
-
Computer Vision (Bilgisayarlı Görü)
Klasik görüntü işleme tekniklerinden PyTorch tabanlı CNN, Vision Transformer (ViT), Swin Transformer ve ConvNeXt mimarilerine uzanan kapsamlı Computer Vision eğitimi. YOLO ve DETR ile nesne tespiti, SAM ve U-Net ile segmentasyon, video analizi, 3D görüntü işleme (NeRF, Gaussian Splatting), Diffusion modelleri ve ONNX/TensorRT ile model dağıtım süreçlerini uygulamalı olarak kapsar.
- Canlı Kurs
- 13 modül
Bizimle iletişime geçin
