KI-Defekterkennung in der Produktion mit Computer Vision Kurs

Dieses Seminar richtet sich an alle, die Defekterkennung mittels Computer Vision nicht als Experiment, sondern als prüffähigen Produktionsprozess verstehen wollen. Du lernst, wie Du Anforderungen aus Qualitätssicherung und Fertigung in eine technische Lösung übersetzt: Welche Fehlerbilder sollen erkannt werden, wie definierst Du Abnahmekriterien, und wie stellst Du Traceability sicher? Danach arbeitest Du an der Grundlage für verlässliche KI-Ergebnisse: reproduzierbare Bildaufnahme. Du bekommst ein klares Verständnis für Kamera- und Optikparameter, Beleuchtungskonzepte und Kalibrierung, damit Kontraste, Schärfe und Perspektive über Schichten und Chargen hinweg stabil bleiben. Du erkennst typische Ursachen für Datendrift, etwa Materialwechsel, Temperatur oder Verschmutzung. Im Datenblock erstellst Du einen Defektkatalog, planst die Datensammlung und wählst eine passende Annotationstiefe. Du lernst, wie Du mit Klassenungleichgewicht und seltenen Fehlern umgehst, ohne Dir eine Scheinleistung zu „trainieren“. Anschließend vergleichst Du die drei zentralen Modellfamilien für die industrielle Bildprüfung: Klassifikation, Detektion und Segmentierung. Du verstehst, wie Konfidenzen und Thresholds in eine praxistaugliche Entscheidungskette münden, inklusive „Reject“ und „Manual Review“. Bei der Bewertung setzt Du Metriken wie Precision, Recall, F1 und IoU so ein, dass sie die Realität abbilden: False Accept und False Reject werden als Risiken und Kosten sichtbar. Zum Abschluss erarbeitest Du, wie Deployment am Edge, die Anbindung an SPS/MES/QMS, Fail-safe-Mechanismen, Fallback und Monitoring gestaltet werden, damit die Lösung auditierbar und dauerhaft betreibbar ist.