Defekterkennung in Fertigungsbildern für einen Werkzeughersteller
Übersicht
Worum es bei diesem Projekt geht.
Trainiere zwei Modelle zur Defekterkennung auf 6.000 Fertigungsbildern, evaluiere sie mit F1 und mAP und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig und erklärbar kann ein Bildmodell vier Defektklassen an Wendeschneidplatten erkennen, damit es im Produktionsbetrieb akzeptiert wird?
Earning criteria — what you'll demonstrate
- Klassifikations- und Detektionsmodelle vergleichen und richtig auswählen
- Erklärbare KI (Grad-CAM) als Akzeptanz-Werkzeug einsetzen
- Modell-Endpoints als Container für eine Werkstatt-Pilotierung verpacken
- Den Übergang von Pilot zu CE-konformer Integration vorbereiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Image Processing and Computational Imaging
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenComputer-Vision-Ingenieur:in
Defekterkennung mit Erklärbarkeit und Demo-Endpoint ist die genaue Aufgabe, die Computer-Vision-Ingenieur:innen in deutschen Mittelstands-Fertigungen täglich liefern müssen.
Dieses Projekt schärft
- image-classification
- object-detection
- explainable-ai
Machine-Learning-Ingenieur:in
Modell-Training plus Container-Deployment plus Per-Klassen-Evaluierung deckt das Kernhandwerk von ML-Ingenieur:innen in produktnahen Teams ab.
Dieses Projekt schärft
- pytorch
- fastapi
- model-evaluation
Applied AI Scientist
Die Brücke von Bilddaten zu einer produktreifen Demo, die Qualitätsabteilungen akzeptieren, ist klassische Applied-AI-Arbeit in der Industrie.
Dieses Projekt schärft
- explainable-ai
- model-evaluation
- image-classification
Noch eine Sache