Programa do Curso

Introdução ao Visionamento Industrial Computer Vision

  • Visão geral dos sistemas de visão por computador na manufatura
  • Defeitos típicos: fissuras, arranhões, desalinhamentos, componentes ausentes
  • IA versus inspeção visual baseada em regras tradicionais

Aquisição e Pré-processamento de Imagens

  • Tipos de câmeras e configurações de captura de imagem
  • Redução de ruído, aumento do contraste e normalização
  • Aumento de dados para robustez no treinamento

Técnicas de Detecção de Objetos e Segmentação

  • Abordagens clássicas (thresholding, detecção de bordas, contornos)
  • Métodos de aprendizado profundo: CNNs, U-Net, YOLO
  • Escolhendo entre detecção, classificação e segmentação

Desenvolvimento do Modelo de Detecção de Defeitos

  • Preparando conjuntos de dados anotados
  • Treinamento de classificadores e segmentadores de defeitos
  • Avaliação do modelo: precisão, recall, F1-score

Implantação em Configurações Industriais

  • Considerações de hardware: GPUs, dispositivos edge, PCs industriais
  • Arquitetura da pipeline de inspeção em tempo real
  • Integração com PLCs e sistemas de automação industrial

Ajuste de Desempenho e Manutenção

  • Lidando com condições de iluminação e produção em mudança
  • Retreinamento do modelo e aprendizado contínuo
  • Integração de alertas, registro e relatórios QA

Estudos de Caso e Aplicações de Domínio

  • Detecção de defeitos na montagem automotiva e soldagem
  • Inspeção da superfície em eletrônicos e semicondutores
  • Verificação de rótulos e embalagens no setor farmacêutico e alimentos

Resumo e Próximos Passos

Requisitos

  • Experiência com conceitos de aprendizado de máquina ou visão computacional
  • Familiaridade com Python programação
  • Compreensão básica de controle de qualidade ou automação industrial

Público-alvo

  • Equipes de QA
  • Engenheiros de automação
  • Desenvolvedores de visão computacional
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas