Цели и задачи дисциплины
Целью дисциплины является формирование профессиональных компетенций для решения прикладных задач анализа графической информации, в том числе для автоматизированного контроля качества и диагностики дефектов изделий методами компьютерного зрения. Задачи дисциплины: - Получение практических навыков работы с библиотеками Python для предобработки визуальных данных (Pillow, OpenCV). - Формирование навыков создания сбалансированных наборов данных, включая методы аугментации и разметки специфичных производственных дефектов. - Освоение архитектур нейронных сетей (CNN, детекторы объектов), применяемых для классификации, сегментации и локализации аномалий на изображениях.
Краткое содержание дисциплины
В рамках дисциплины студенты осваивают методы цифровой обработки изображений и глубокого обучения для разработки систем автоматизированного контроля качества. В ходе практических занятий с использованием библиотек OpenCV, PyTorch и TensorFlow обучающиеся учатся создавать размеченные наборы данных и внедрять нейросетевые архитектуры (CNN, YOLO) для автоматического выявления производственного брака на предприятиях машиностроения и приборостроения.