【廖昭昌推薦好書】智泰科技出版,陳思翰、陳金聖、唐大為等撰稿《Si-EYE深度學習與卷積神經網路-圖像檢測原理與應用》

#智泰科技 #SI-EYE #人工智慧 #深度學習 #卷積神經網路 #圖像檢測 #廖昭昌推薦

原價:$680(含運費特價400元)
寫這本書最主要的目的,是要讓大家都能有效快速的學習人工智慧(Artificial Intelligence, AI)的圖像偵測與瑕疵檢測的軟體工具,善用此工具可用來解決諸多產業面向的問題及創造不可思議的價值。AI的應用非常廣泛,本書聚焦在智慧機械方面的應用,涉及自動光學檢測(Automated Optical Inspection, AOI)以及AI兩大區塊,兼具理論與實務的應用。在理論方面,智泰科技(3DFamily)邀請國內權威的學者專家撰寫有關AOI與AI的原理及發展沿革,而在實務應用上,更動員智泰科技的研發團隊,將多年來在AI與AOI整合應用獨到的研發成果,名為智能偵測 (Smart Inspection, SI),在實用案例中提供眾多圖片作為實作演練的教材,這讓讀者更能真正瞭解AI在圖像及檢測領域的價值,同時更簡易、更快速的熟練如何操作這套SI-EYE®檢測的應用軟體。
詳細書訊
AOI技術應用介紹
製造產業中,零組件品、消費性電子、家電用品等要求品質,品管作業耗費大量人力。近年來自動化產業日益發達,依靠大量人力的生產逐漸被自動化生產機台所取代,自動生產的優點除了品質穩定、生產速度快,減少人員的負荷,並可避免人為因素影響生產品質也是其主要原因。為了避免以往人工檢測會發生的疲累、人員安全疑慮以及檢測標準是否統一等問題,自動化檢測系統可將傳統的人力目視檢測改用機器視覺檢測取代。因此自動化及機器人智慧化檢測規劃與控制技術的需求非常迫切。但近年來,台灣的塑膠射出成型產業與日本、韓國一樣,全都面臨著低價競爭、單量萎縮等嚴苛的挑戰,尤其是「世界工廠」中國大陸的加入後;目前世界塑膠射出成型機競爭的問題日益嚴重。為求生存,相關產業紛紛重新調整本身的戰略,站在生產鏈的設備端,本書的目標是「結合機器視覺與深度學習之智慧檢測系統」的開發可提高產品的價值,朝向AOI設備的高價值端邁進的重要一步,未來市場上,低價位、低品級的機械設備必將轉由大陸生產,藉由智能化的自動化工業檢測系統,台灣廠商因此可轉而產製中高階產品所需的自動化機械、控制設備;面對先進國家高築的技術門檻與大陸超大型企業低價設備的夾擊,唯有建立、並發展自動化的工業用系統,對於歐、美市場上將有非常大的競爭力,也可因推廣自動化的工業用機器,提高公司品牌知名度,並增加產品的銷售機會,台灣業者更能在既有的基礎上有效提升機台品級,以平價而質優的定位切入高階產品設備市場,在世界舞台上持續茁壯。

智泰科技股份有限公司主要業務是開發智慧型檢測系統,智泰科技從技術(軟體、電路、機構)設計,設定到整個檢測的自動化開發,都具備開發經驗。現著眼於智慧型機械領域的成長與深耕、契合國家發展的重大方向,擬投資新研發部門於智慧檢測的系統開發,可配合設備供應端應用於相關類產品的瑕疵檢測,結合開發中的嵌入式控制器技術,將檢測系統回授到檢測機的控制器。智泰科技股份有限公司成立的主體思想及目標便是實現智慧裝置控制以及工業自動化,期可參與下一波推動智慧型光學檢測的關鍵應用,並成為台灣智慧型機械的推動者之一。

智泰科技股份有限公司並致力於雲端智慧人機介面系統開發與整合,包含雲端無線人機介面系統開發、製造執行系統應用整合、人機介面電整合技術開發,提供各種控制裝置整合檢測裝置及系統匹配整合。智泰科技無論是硬體的開發能力或軟體的設計能力都有紮實的基礎與經驗,於工業用機械的機構裝置、與結構設計方面,已有相當的經驗,公司無論是在新機種或新功能的研發,或是對於客戶的需求與意見都十分重視,更在知識的累積及經驗的傳承下,精益求精,並持續申請各項專利,再加上於光學檢測系統與設備開發上多年的經驗,建立與業者之間深厚的合作關係,相信藉由智泰科技股份有限公司出版此書籍,不僅能增加企業在智慧型檢測產品的附加價值,提高檢測產業的產品技術層次,更能將此技術與產品推到全世界。
智泰科技現計畫結合學校與職訓中心的培訓力量,並藉由產學合作培養具備軟、硬體實務經驗的設計人才,在機電整合上創新研發,可加值並促進傳統工業用檢測機械產業邁向另一自動化的新領域,生產附加價值較高的自動化專用檢測機。

AI技術應用介紹
在圖像偵測與瑕疵檢測方面本書主要靠三類常見的AI處理流程來解決問題,簡述如下:

第一類是圖像分類的處理流程(Classification Process),如圖一所示,將擷取到的圖片利用標記工具進行圖片分類,標記好圖片就選擇適當的AI模型進行學習,學習好的模型做辨識驗證,如果不可以就改變參數或模型再進行驗證,如此反覆,直到通過模型驗證,就用此模型進行圖像分類。

第二類是目標偵測流程(Object Detection Process),如圖二所示,將擷取到的圖片利用標記工具進行圖片目標標記,標記好圖片就選擇適當的AI神經進行學習,學習好的模型做辨識驗證,如果不可以就改變參數或模型再進行驗證,如此反覆,直到通過模型驗證,就用此模型進行圖像目標偵測。

第三類是物件分割流程(Segmentation Process)如圖三所示將擷取到的圖片利用標記工具進行圖片影像輪廓標記,標記好圖片就選擇適當的AI模型進行學習,學習好的模型做辨識驗證,如果不可以就改變參數或模型再進行驗證,如此反覆,直到通過模型驗證,就用此模型進行影像輪廓偵測。
目次:
第一章 緒論
1.1 AI技術應用介紹
1.1.1 AOI技術應用介紹
1.1.2 AI技術應用介紹
1.2 AI技術的發展
1.2.1 行動通訊技術從1984 的IG 進化到2020年的5G
1.2.2 GPU的發展
1.2.3 演算法的廣泛應用
1.3 AI的發展歷程
1.3.1 AI的三次浪潮
1.3.2 AI的三大技術
1.3.3 AI的三大應用

PART I 自動光學檢測
第二章 AOI檢測原理
2.1 檢測物件影像化 – 光學與成像系統
2.1.1 成像系統
2.1.2 光源
2.2 影像處理
2.2.1 影像雜訊與影像滤波
2.2.2 影像強化
2.2.3 影像切割
2.2.4 邊緣偵測
2.2.5 門檻化
2.2.6 區域成長 (region growing)
2.3 AOI 實例說明
2.3.1 影像尺寸量測一晶粒二維尺寸量測
2.3.2 影像瑕疵檢測LCD驅動IC於料盤中之瑕疵檢測
2.3.3 影像尺寸量測——手機 Film 材量測

第三章 類神經網路原理
3.1 生物神經元與感知器類神經元
3.2 自適應線性神經元
3.3 多層感知器
3.4 深度信念網路
3.5 類神經網路與自動化光學檢測的結合
3.6 類神經網路與 AOI 的結合實例
3.7 神經網路與AOI檢測複合檢測的瓶頸

PART II 人工智慧
第四章 瑕疵分類原理與實作
4.1 深度學習的發展進程。
4.2 影像分類器 — 卷積類神經網路
4.3 卷積類神經網路模式演化歷程
4.4 瑕疵分類在工業檢測的優勢
4.5 瑕疵分類在工業檢測的導入流程
4.6 初步評估
4.7 瑕疵分類線下準備
4.7.1 選擇最佳分類模型
4.7.2 模型訓練流程
4.8 產線導入瑕疵分類
4.9 瑕疵分類軟體實作

第五章 瑕疵偵測原理與實作
5.1 物件偵測技術的演進
5.2 區域卷積類神經網路系列
5.3 單次多框偵測器系列
5.4 瑕疵偵測在工業檢測的優勢
5.5 瑕疵偵測在工業檢測的導入流程
5.6 初步評估
5.7 瑕疵偵測線下準備
5.7.1 選擇最佳瑕疵偵測模型
5.7.2 模型訓練流程
5.8 產線導入瑕疵偵測
5.9 瑕疵偵測軟體實作

第六章 瑕疵分割原理與實作
6.1 瑕疵分割概述
6.2 全卷積網路 (Fuly Convolutional Networks)
6.3 瑕疵分割類神經網路系列
6.3.1 U Net
6.3.2 DeconvNet
6.3.3 SegNet
6.3.4 DeepLab
6.3.4.1 DeepLab VI
6.3.4.2 DeepLab V2
6.3.4.2 DeepLab V3
6.4 瑕疵分割在工業檢測的優勢
6.5 瑕疵分割在工業檢測的導入流程
6.6 初步評估
6.7 瑕疵分割線下準備
6.7.1 選擇最佳瑕疵分割模型
6.7.2 模型訓練流程
6.8 產線導入瑕疵分割
6.9 瑕疵分割軟體實作

第七章 結語
7.1 結語
參考文獻

訂購方式:www.ndsc.tw 新式樣智慧園區官網,首頁「推薦好書」專區,直接點取,並採線上訂購。原價680元,線上訂購含運費400元。(請善用提款卡轉帳)
帳號後四碼及郵寄地址,請來電02-2708-2770或email:ndsc007@gmail.com 告知。
臺灣土地銀行(和平分行0452)
帳號:005-04500-1014700
戶名:新式樣智權開發有限公司

ndsc

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料