Project Plan
แผนงาน, sprint ที่กำลังทำ และบันทึกความคืบหน้าของโปรเจกต์
Sprint ที่กำลังทำ
Jewelry Defect Segmentation & Area Analysis (SAM + OpenCV)
แยกบริเวณตำหนิบนชิ้นเครื่องประดับด้วยโมเดล segmentation แล้ววัดขนาดพื้นที่ตำหนิอย่างแม่นยำด้วย OpenCV เพื่อประเมินว่าผ่านเกณฑ์คุณภาพหรือไม่
- MobileSAM
- SAM-HQ
- OpenCV
- Segmentation
- Contour
- Day 1
ตั้งระบบ segmentation หลักและสกัด mask ของตำหนิ
- ตั้งสภาพแวดล้อมและโหลดโมเดล MobileSAM / SAM-HQ สำหรับงาน segmentation
- รับภาพชิ้นเครื่องประดับและเตรียม prompt (จุด/กรอบ) ให้โมเดล
- สกัด defect mask ออกจากผลลัพธ์ของโมเดล แยกบริเวณตำหนิจากพื้นผิวปกติ
- ตรวจสอบ mask เบื้องต้นด้วยภาพซ้อนทับ (overlay) เพื่อยืนยันว่าครอบคลุมตำหนิจริง
- Day 2
วิเคราะห์ contour, วัดพื้นที่, ประเมิน threshold และ export log
- วิเคราะห์ contour ของตำหนิด้วย OpenCV (findContours) จาก mask ที่ได้
- วัดขนาดพื้นที่ตำหนิอย่างแม่นยำ (contourArea) พร้อมแปลงหน่วยพิกเซลเป็นหน่วยจริง
- ประเมินผลตามเกณฑ์ threshold ว่าชิ้นงานผ่านหรือไม่ผ่าน
- export ผลการตรวจเป็น JSON log สำหรับเก็บบันทึกและตรวจสอบย้อนหลัง
แผนงานถัดไป
Edge Deployment & Throughput Benchmark
ถัดไปนำ pipeline ตรวจตำหนิขึ้น edge device จริง วัด throughput และ latency เทียบเป้าหมายของไลน์ผลิต
- Edge
- Triton
- Benchmark
Active Learning Loop สำหรับ Lighting Drift
วางแผนไว้ต่อวงจร active learning ดึงภาพที่โมเดลไม่มั่นใจมา label เพื่อตามให้ทันสภาพแสงที่เปลี่ยน
- Active Learning
- Drift
- MLOps
Sensor Fusion: Visual + Scale Data
วางแผนไว้รวมฟีเจอร์จากภาพกับน้ำหนัก/ความบริสุทธิ์ เพื่อจับของที่หน้าตาผ่านแต่คุณสมบัติทางกายภาพไม่ผ่าน
- Sensor Fusion
- Late Fusion
บันทึกความคืบหน้า
- sprint
เริ่ม sprint ตรวจตำหนิเครื่องประดับ
วาง scope 2 วัน: Day 1 segmentation ด้วย MobileSAM/SAM-HQ, Day 2 วิเคราะห์ contour และวัดพื้นที่ด้วย OpenCV
- curriculum
เพิ่มแทร็ก Pandora Vision AI ลงในหลักสูตร
เพิ่ม 3 บทเรียนเตรียมสัมภาษณ์: precision vision, manufacturing QC/MLOps และ edge architecture พร้อมควิซครบ
- milestone
ปิดวงจร Second Brain
เพิ่มควิซท้ายบททั้ง 6 บทการเงิน พร้อมเก็บความคืบหน้าและหน้าแดชบอร์ดทบทวน