人工智能(AI)產品瑕疵異常檢測技術和案例實踐綜合課程 - 生產力學院
人工智能(AI)產品瑕疵異常檢測技術和案例實踐綜合課程
10012103
香港九龍達之路78號
2021-11-14
許小姐 | +852 2788 5787 | yukihui@hkpc.org; 梁先生 | +852 2788 5305 | hobertliang@hkpc.org
hobertliang@hkpc.org

此課程已獲「再工業化及科技培訓計劃」認可,合資格學員最高可獲得 2/3 學費資助。詳情請瀏覽:https://rttp.vtc.edu.hk

本課程將讓學員瞭解常見產品瑕疵影像任務種類與深度學習如何應用在產品瑕疵影像辨識的整體概念;該技術可應用於汽車零部件、航空零件、金屬模具、鐘錶及其他電子零部件生產異常檢測,使學員在應用與研發相關系統時瞭解須注意的重點:

  1. 介紹卷積神經網絡原理與如何運用卷積神經網絡(CNN)進行產品瑕疵影像分類的任務
  2. 介紹物件偵測模型及如何運用相關模型進行產品瑕疵偵測

課程目的

  1. 瞭解影像基本特性與常見產品瑕疵影像任務種類
  2. 熟悉深度學習原理,並學會利用深度學習實作影像資料項目,進行影像分類、物件偵測
  3. 理解當代最新電腦視覺領域知名深度學習模型原理與運用
  4. 學會活用 Python 、 NumPy、Matplotlib、與 Pandas
  5. 融會貫通深度學習相關函示庫工具,並且有能力實作項目

課程額外贈送項目管理(Project Manager)實務培訓課程」(非直播課程)(共約25.3小時)

課程概覽

日期內容
11月14日 (星期日)課程一:電腦視覺概論、基礎影像操作

  • 1. Numpy套件簡介
    • Numpy介紹
    • Numpy實作
  • 2. Pandas套件簡介
    • Pandas介紹
    • Pandas實作
  • 3. Matplotlib套件簡介
    • PanMatplotlib介紹
    • Matplotlib實作
  • 4. 電腦視覺導論與OpenCV
    • 電腦視覺介紹
    • 影像基礎操作
11月20日 (星期六)課程二:深度學習基礎與實作

  • 1. 深度學習基礎介紹
    • 深度學習基礎觀念
    • 深度學習的優勢
    • 監督式學習與非監督式學習

課程三:卷積神經網路辨識實務

  • 2. DNN神經網路介紹
    • 建立DNN神經網路模型
    • 定義損失函數
    • 優化神經網路
    • [實例]實作照片分類器
11月21日 (星期日)課程四:進階影像辨識分析實務

  • 1. 語意切割(Segmentation)模型理論與實作
    • 以語意切割進行瑕疵影像切割分析
    • 以經典CNN神經網路模型進行遷移學習實務應用
    • CNN物件切割
    • Mask-RCNN等物件切割模型架構介紹
    • [實例]實作表面刮痕瑕疵照片分類
  • 2. 物件偵測技術理論與實作
    • Yolo原理介紹
    • [實例]實作瑕疵照片物件偵測
    • [實例]標註工具使用
12月5日 (星期日)
  • 3. CNN影像分割
    • U-Net原理介紹
    • [實例]實作影像分割
  • 4. CNN姿態偵測
    • 姿態偵測原理介紹
    • [實例]實作工廠內人員姿態偵測
  • 5. 異常偵測
    • 異常偵測原理介紹
    • [實例]實作工廠數據集異常偵測
  • 6. 實務經驗分享
    • 實務上會發生之問題
    • 真實案例分享

– 完成課程的學生將會獲香港生產力促進局頒出席證書

日期及時間

2021年11月14日(日)、11月20日(六)、11月21日(日)和12月5日(日)

9:30 – 12:30, 13:30 – 16:30(4天 X 6小时,共24小时)

語言

普通話輔以英語術語 (中英文講義)

講者

丘祐瑋  台灣大數軟體有限公司(LargitData)  首席執行官

曾於台灣趨勢科技擔任工程師、台灣資策會國際人才發展中心專業講師、數據輿情分析師,亦是致力於提供Data-as-a-Service 的創業者與資料科學家,在大數據分析上擁有相當豐富的實戰經驗。目前專門提供各企業及工業界提供輿情分析服務,客戶橫跨半導體、智能製造、網路、電信與政府機構等行業。

丘祐瑋曾榮獲AngelHacks台灣地區首獎、國際黑客松-無敵黑客獎、中國大陸雲計算大資料創新專案評選優勝,以及兩岸四地協同創新路演大賽優異獎等。

課程費用

資助后港幣2,400元(原價港幣 7,200 元,最高可獲得RTTP資助港幣 4,800 元)

適合對象

從事汽車零部件、航空、金屬模具、鐘錶及其他電子零件相關行業的工程師和管理人員,或對相關技術和題目感興趣的人員。

 

課程資料