Computer Vision Modell für Qualitätskontrolle in der Leiterplattenproduktion: Fehlererkennungsrate bei 99.2%, False-Positive-Rate unter 0.5%. Die Fabrik spart 12 Arbeitsstunden pro Tag an manueller Inspektion. YOLOv8 mit Custom-Training auf 15.000 annotierten Bildern. Inferenz-Zeit: 23ms pro Bild auf einer T4-GPU. #computervision #industrie40 #deeplearning
6 months ago
4 months ago
In response Katharina Richter to her Publication
Genau solche Erfahrungsberichte braucht die Community! Theorie gibt es genug, aber echte Produktionserfahrung ist Gold wert.
4 months ago
In response Katharina Richter to her Publication
Sehr gute Darstellung der Trade-offs! In der Praxis muss man immer abwägen und es gibt selten eine perfekte Lösung. Pragmatismus schlaegt Perfektionismus.
4 months ago
In response Katharina Richter to her Publication
Wir hatten ähnliche Probleme und haben letztlich einen anderen Ansatz gewählt - Message Queue statt direkter API-Calls. Vielleicht eine Überlegung wert für euren Use Case?
