陳威廷

可接案

電腦視覺工程師 · 製造業瑕疵檢測

NT$1600 /時

在工廠端做視覺檢測，每天處理的是相機拍出來的產線影像。做過瑕疵偵測、尺寸量測、還有物件計數這些不太光鮮但很實在的東西。教學會從影像處理的基本盤講起，再帶到 CNN 跟現在流行的偵測模型。我很堅持一件事：資料標得爛，模型再好也沒用，所以標註流程我也會教。

AI 能力側寫

由 AvoMole AI 引擎生成

電腦視覺實戰經驗豐富，強在工業場景的偵測與部署。對資料標註品質的要求很高。LLM 與純理論不是他的主場。

適教程度

中階高階

專案難度★★★★★

defect-detect★ 89

產線瑕疵偵測的訓練與推論範例，含資料增強

Python

label-checker★ 41

檢查標註一致性的小工具，抓漏標與框歪

Python

語言分佈

Python 84%C++ 11%Shell 5%

更新集中在瑕疵偵測範例，偶爾寫工業視覺的踩坑筆記。

取代部分人工目檢，把明顯瑕疵先攔下來，減輕檢驗員負擔

用視覺自動數量與量尺寸，接進生產報表

AI 評價摘要78% 的學生提到「把標註跟資料品質講得很透，這塊別人都跳過」。

工程師老王★★★★★

在工廠端做視覺的都知道資料標註多重要，他把這塊講得超透，別的老師都直接跳過。瑕疵偵測的範例拿回公司改改就能用。

Cindy★★★★★

很專業，工業場景經驗豐富。就是內容偏硬，要有點 PyTorch 底子比較跟得上。

阿宏★★★★★

帶我從標註流程重新盤一次，才發現我之前資料品質根本有問題。模型準確度後來提升很多，很感謝。

NT$1600

60 分鐘，看你手上的影像問題，給一條可行路線

NT$9000

六堂從標註到部署，做出一個能動的偵測系統