講者

« 回列表

Defect Inspection with Deep Learning

演講摘要

為了確保提供給客戶的產品符合需求,生產線上都會安排站點做最終產品的外觀檢測,然外觀瑕疵大小、樣式不一,產品表面又有很高的變異性,不管是利用 golden sample 做 pattern match 或是設計客製化的特徵萃取都還是會有相當高的誤報 (false alarm) 或漏檢 (false negative) 機率,在這次分享中,我們將介紹如何利用深度學習演算法對產品做瑕疵檢測,其中將包含利用 CNN 以 object detection 的方式對目標物做檢測,以及 FCN 以 pixel in, pixel out 的方式 segment 瑕疵範圍,或透過 autoencoder 了解待測物結構後將瑕疵當作 anomaly 檢測出來。

講者簡介

劉冠良
  • 劉冠良
  • NVIDIA / WWFO / Deep Learning Solution Architect
  • 對機器學習有高度熱情,碩博士研究 focus 在生物領域,主要解決 Human 以及 Environmental Microbiome 的 DNA 序列分類問題;之後加入了製造業的行列,利用 Machine Learning 處理各種流程當中可以定義為監督式學習的問題;目前在 Nvidia 擔任解決方案架構師,提供客戶重裝備,在各領域做腦力激盪找到深度學習的應用可能。

歡迎在此登錄您的大名及電子郵件地址,日後任何台灣資料科學協會舉辦的相關活動,我們將會以電子郵件通知您。謝謝。