Computer Vision für Qualitätsprüfung 1. Einführung in Computer Vision für Qualitätsprüfung: Grundlagen der Computer Vision und deren Bedeutung in der Qualitätsprüfung, Übersicht über relevante Algorithmen und Techniken, Anwendungsbeispiele in der Industrie 2. Datenvorverarbeitung für Bildanalysen: Techniken zur Bildvorverarbeitung: Normalisierung, Rauschunterdrückung, Feature-Extraktion und ihre Bedeutung für die Qualitätsprüfung, Tools und Software zur Bildbearbeitung 3. Modelltraining für Qualitätsprüfungsanwendungen: Auswahl geeigneter Modelle für Bildanalysen, Trainingsmethoden und Hyperparameteroptimierung, Validierung und Testmethoden für Modelle 4. Implementierung von Bildverarbeitungssystemen: Integration von Computer Vision in bestehende Qualitätskontrollsysteme, Technische Herausforderungen und Lösungen, Best Practices für die Implementierung 5. Echtzeit-Bildverarbeitung und Monitoring: Technologien für die Echtzeit-Bildverarbeitung, Anwendungsfälle in der Fertigung, Optimierung von Prozessen durch Echtzeitdaten 6. Qualitätskennzahlen und Erfolgsmessung: Wichtige KPIs in der Qualitätsprüfung, Methoden zur Erfolgsmessung von Computer Vision Projekten, Reporting und Datenvisualisierung 7. Praktische Anwendung durch Fallstudien: Analyse von Fallstudien erfolgreicher Implementierungen, Gruppenprojekte zur Anwendung des Gelernten, Feedback- und Diskussionsrunden 8. Zukunftstrends in Computer Vision für Qualitätsprüfung: Neuste Entwicklungen und Trends in der Computer Vision, Potenziale der KI für die Qualitätsprüfung, Reflexion und Ausblick auf zukünftige Technologien