🔍 视觉缺陷检测·实战课程
30章
🎯 从入门到部署
01
视觉检测概述
工业4.0背景下的视觉检测、缺陷检测的行业痛点、系统设计目标与评估指标。
02
成像系统基础
光源选型（环形光、背光、同轴光）、镜头参数（焦距、光圈、景深）、相机分类（CCD与CMOS）。
03
工业相机选型
分辨率与帧率权衡、触发模式（硬件触发/软件触发）、接口标准（GigE、USB3.0、Camera Link）。
04
光学系统设计实战
打光方案设计、消除反光与阴影、多角度成像方案、我踩过的打光坑。
05
图像采集与传输
SDK二次开发（Halcon/OpenCV）、多相机同步采集、高带宽传输优化、丢帧问题排查。
06
图像预处理技术
灰度化、直方图均衡化、高斯滤波、中值滤波、形态学操作（腐蚀/膨胀/开闭运算）。
07
图像增强与校正
对比度拉伸、Gamma校正、透视变换、畸变校正、图像金字塔。
08
边缘检测算法
Sobel、Canny、Laplacian算子对比、亚像素边缘提取、边缘连接算法。
09
图像分割技术
阈值分割（OTSU/自适应阈值）、区域生长、分水岭算法、基于深度学习的语义分割。
10
特征提取与选择
几何特征（面积/周长/圆度）、纹理特征（LBP/GLCM）、HOG特征、特征降维（PCA）。
11
传统机器学习分类器
SVM、KNN、决策树、随机森林、模型评估与调参（交叉验证）。
12
深度学习基础
CNN核心概念（卷积/池化/全连接）、激活函数（ReLU/Sigmoid）、损失函数与优化器。
13
经典分类网络实战
ResNet、MobileNet、EfficientNet在缺陷分类中的应用、迁移学习技巧。
14
目标检测网络（一）
Faster R-CNN原理、Anchor机制、RPN网络、在缺陷定位中的应用。
15
目标检测网络（二）
YOLOv5/v8实战、小目标检测优化、NMS后处理、mAP评估。
16
语义分割网络
U-Net、DeepLabV3+、分割网络在划痕/裂纹检测中的应用、Dice Loss。
17
异常检测算法
自编码器（AE）、变分自编码器（VAE）、GANomaly、PatchCore、无监督缺陷检测。
18
小样本学习
数据增强（CutMix/Mosaic）、少样本学习（Prototypical Networks）、元学习入门。
19
数据标注与管理
标注工具（LabelImg/CVAT）、标注规范制定、数据质量控制、主动学习策略。
20
模型训练与优化
学习率调度、正则化（Dropout/Batch Normalization）、超参数搜索（Grid/Random Search）。
21
模型部署与推理优化
ONNX转换、TensorRT加速、模型量化（INT8/FP16）、边缘端部署（Jetson/OpenVINO）。
22
系统软件架构设计
模块化设计（采集/检测/通信/UI）、多线程与异步处理、生产日志记录。
23
通信与集成
PLC通信（Modbus/S7）、MES系统对接、RESTful API设计、OPC UA协议。
24
UI界面设计
PyQt5/Qt Designer实战、实时显示检测结果、参数配置界面、用户权限管理。
25
实时性与稳定性
流水线节拍计算、缓存队列设计、看门狗机制、异常恢复策略。
26
缺陷样本生成
传统图像合成（泊松融合）、GAN生成缺陷、仿真数据生成（Blender/Unity）。
27
项目实战（一）
金属表面划痕检测系统（从需求到部署全流程）。
28
项目实战（二）
PCB焊点缺陷检测（AOI光学检测替代方案）。
29
项目实战（三）
纺织物瑕疵检测（布匹/无纺布在线检测）。
30
系统验收与维护
验收标准制定、现场调试技巧、模型持续迭代、技术文档撰写。