Projete um Sistema de Visão Computacional para Inspeção de Calçados
Visão geral
Sobre o que é este desafio
Projete um sistema de visão computacional para inspeção de calçados, escolhendo câmeras e métodos para cada defeito. Ganhe um certificado verificável.
O cenário
A fábrica registra hoje cerca de 3% de devoluções por defeito não identificado na inspeção manual, e a gerência de qualidade quer decidir se vale investir em visão computacional antes da próxima expansão da linha.
O Brief
O que você vai fazer e o que vai demonstrar.
Desenhar uma arquitetura de visão computacional para inspeção automática de defeitos em calçados de couro, compatível com a velocidade e a variação de iluminação da linha de montagem atual.
Earning criteria — what you'll demonstrate
- Aplicar arquiteturas de redes neurais convolucionais (CNN) para tarefas de classificação de defeitos industriais
- Comparar segmentação e detecção de objetos como abordagens para localização de defeitos
- Usar transferência de aprendizado (transfer learning) para lidar com poucos exemplos de defeitos raros
- Traduzir restrições de produção (velocidade, iluminação) em requisitos técnicos de um sistema de visão computacional
Adequação ao Programa
Onde isso se encaixa no seu programa.
Aperfeiçoa as mesmas habilidades que seu curso espera que você demonstre.
Conteúdo alinhado em breve.
Habilidades
Habilidades que você vai demonstrar.
Cada um aparece no seu certificado verificado.
- Cnn Classification
Apply cnn classification to solve real industry problems and demonstrate production-level capability.
- Segmentation
Apply segmentation to solve real industry problems and demonstrate production-level capability.
- Transfer Learning
Apply transfer learning to solve real industry problems and demonstrate production-level capability.
- Image Processing
Apply image processing to solve real industry problems and demonstrate production-level capability.
- Opencv
Apply opencv to solve real industry problems and demonstrate production-level capability.
Carreiras
Cargos para os quais este desafio te prepara.
Títulos reais. Pontes reais de habilidades. Escolha o mais próximo da sua trajetória.
Trilhas de carreira que este desafio desenvolve
Funções canônicasEngenheiro(a) de Machine Learning
O desafio treina a escolha e justificativa de arquiteturas de CNN e segmentação sob restrições reais de produção, uma habilidade central para quem projeta sistemas de aprendizado de máquina aplicados à indústria.
Este desafio aprimora
- cnn-classification
- segmentation
- transfer-learning
Quality Engineer
Desenhar critérios de aceite e métricas de detecção de defeitos aproxima o estudante do trabalho de engenharia de qualidade industrial, que precisa traduzir taxonomias de defeitos em requisitos mensuráveis.
Este desafio aprimora
- image-processing
- cnn-classification
- opencv
MLOps Engineer
Planejar a avaliação e o monitoramento de um modelo em ambiente de produção industrial introduz práticas de acompanhamento de modelos em produção, essenciais para quem opera pipelines de aprendizado de máquina.
Este desafio aprimora
- transfer-learning
- segmentation
- image-processing
Só mais uma coisa