หลักสูตร Computer Vision with YOLO for Business เป็นการอบรมการทำโปรเจกต์ตรวจจับวัตถุด้วย YOLO26 ตั้งแต่เก็บภาพ Label บน Roboflow Train บน Google Colab วัดผล จนถึง Export ไปใช้หน้างาน เหมาะกับ Python Developer วิศวกรโรงงาน และทีม Retail ที่อยากใช้กล้องช่วยงาน จบแล้วได้โมเดลตรวจชิ้นงานเสียและระบบนับคนต้นแบบ
งานตรวจสอบด้วยสายตาในธุรกิจมีอยู่ทุกที่ ทั้งการตรวจชิ้นงานเสียในสายการผลิต การนับสินค้าบนชั้น การนับคนเข้าออกร้าน หรือการตรวจว่าพนักงานสวมอุปกรณ์ป้องกันครบ งานเหล่านี้ใช้คนจำนวนมาก เหนื่อย และผลไม่สม่ำเสมอ ปัจจุบันโมเดลตระกูล YOLO ทำให้การตรวจจับวัตถุแบบ Real-time เข้าถึงได้ง่ายขึ้นมาก แต่โปรเจกต์จำนวนไม่น้อยกลับไปไม่ถึงการใช้งานจริง เพราะเก็บภาพไม่ตรงกับหน้างาน Label ไม่สม่ำเสมอ หรือวัดผลไม่เป็น
หลักสูตรนี้พาทำโปรเจกต์ Computer Vision ครบวงจรด้วย Ultralytics YOLO26 บน Google Colab เริ่มจากรันโมเดลสำเร็จรูป วางแผนเก็บภาพให้ตรงกับโจทย์ Label ข้อมูลบน Roboflow เตรียม Dataset และ Train โมเดลของตนเอง จากนั้นวัดผลด้วย mAP, Precision และ Recall วิเคราะห์ภาพที่โมเดลทำผิด แล้วนำไปใช้กับสองโจทย์หลักคือการตรวจหาชิ้นงานเสียและการนับคนด้วย Object Tracking ก่อน Export โมเดลให้รันได้เร็วบนเครื่องหน้างาน เชื่อมกับกล้องและระบบแจ้งเตือน และปิดท้ายด้วยโปรเจกต์ของผู้เรียน (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
หลักสูตรนี้อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab บน Google Colab กับชุดภาพชิ้นงานและวิดีโอตัวอย่างที่เตรียมไว้ ระดับ Intermediate ต่อยอดจาก Basic Image with OpenCV and Python ที่เน้นการประมวลผลภาพพื้นฐาน โดยหลักสูตรนี้ใช้ Deep Learning ด้วย Ultralytics YOLO26 และพาทำครบวงจรตั้งแต่เก็บภาพจนถึงใช้งานหน้างาน ผู้เรียนใช้บัญชี Google Colab และ
Roboflow ของตนเอง GPU รุ่นใช้ฟรีของ Colab มีโควตาจำกัด หากต้องการ Train นานขึ้นอาจใช้ Colab รุ่นเสียเงินหรือ Cloud GPU ที่ผู้เรียนชำระเอง Roboflow แบบใช้ฟรีกำหนดให้โปรเจกต์เป็นสาธารณะ และ Ultralytics YOLO ใช้สัญญาอนุญาต AGPL-3.0 การใช้ในผลิตภัณฑ์เชิงพาณิชย์แบบปิดซอร์สต้องมี Enterprise License ผู้เรียนจะได้ Notebook ครบทุก Lab และ Template ของ Labelling Guideline กลับไปใช้กับโปรเจกต์ขององค์กร
Section 1: Computer Vision ในงานธุรกิจ
Section 2: Lab: รันโมเดล YOLO26 สำเร็จรูป
Section 3: วางแผนโปรเจกต์และเก็บภาพ
Section 4: Lab: Label ข้อมูลบน Roboflow
Section 5: เตรียม Dataset ให้พร้อม Train
Section 6: Lab: Train โมเดลตรวจจับวัตถุของตนเอง
Section 7: วัดผลโมเดลและวิเคราะห์จุดผิด
Section 8: Workshop: ตรวจหาชิ้นงานเสีย
Section 9: Lab: นับคนด้วย Object Tracking
Section 10: Export และรันบนเครื่องหน้างาน
Section 11: เชื่อมกล้องและระบบแจ้งเตือน
Section 12: Workshop: Capstone Vision Project
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Classification บอกว่าทั้งภาพเป็นอะไร เช่น ชิ้นงานดีหรือเสีย Object Detection บอกว่ามีวัตถุอะไรอยู่ตรงไหนด้วยกรอบสี่เหลี่ยม จึงนับจำนวนและระบุตำแหน่งได้ ส่วน Segmentation ระบุขอบเขตของวัตถุระดับพิกเซล เหมาะเมื่อต้องรู้รูปร่างหรือพื้นที่ เช่น ขนาดของรอยตำหนิ การเลือกขึ้นกับโจทย์ธุรกิจและต้นทุนการ Label ข้อมูล
เริ่มจากวางแผนเก็บภาพให้ครอบคลุมสภาพหน้างานจริง แล้ว Label ข้อมูลบน Roboflow ตามแนวทางที่สม่ำเสมอ จากนั้นแบ่ง Dataset และ Export ในรูปแบบของ YOLO แล้ว Train ด้วย Transfer Learning จากโมเดลที่ฝึกไว้แล้วผ่าน Ultralytics บน Google Colab สุดท้ายวัดผลด้วย mAP, Precision และ Recall และดูภาพที่โมเดลทำผิดเพื่อเก็บข้อมูลเพิ่ม หลักสูตรนี้ฝึกครบทุกขั้นตอนกับชุดภาพชิ้นงานตัวอย่าง
Precision คือสัดส่วนของสิ่งที่โมเดลตรวจเจอแล้วถูกจริง ส่วน Recall คือสัดส่วนของวัตถุจริงทั้งหมดที่โมเดลหาเจอ งานตรวจชิ้นงานเสียมักต้องการ Recall สูงเพื่อไม่ให้ของเสียหลุดไป ส่วน mAP เป็นค่าเฉลี่ยความแม่นยำที่รวมทุกคลาสและหลายระดับความซ้อนทับของกรอบ (IoU) ใช้เทียบคุณภาพของโมเดลโดยรวม
เหมาะกับ Python Developer และ Data Scientist ที่ต้องการเริ่มงาน Computer Vision วิศวกรโรงงานและทีม Quality ที่อยากใช้กล้องช่วยตรวจคุณภาพ และทีม Retail หรือ Operations ที่ต้องการนับคนหรือสินค้าอัตโนมัติ ควรเขียน Python ขั้นพื้นฐานได้ เช่น ตัวแปร Loop และฟังก์ชัน เคยใช้ Google Colab จะช่วยให้เรียนได้เร็วขึ้น และไม่จำเป็นต้องมีพื้นฐาน Deep Learning มาก่อน
Train โมเดลตรวจจับวัตถุของตนเองด้วย Ultralytics YOLO26 วัดผลและวิเคราะห์จุดที่โมเดลผิด สร้างระบบตรวจหาชิ้นงานเสียและนับคนด้วย Object Tracking Export โมเดลเป็น ONNX หรือ OpenVINO เพื่อรันบนเครื่องหน้างาน และเชื่อมกับกล้องและระบบแจ้งเตือนโดยคำนึงถึง PDPA ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
เตรียมบัญชี Google สำหรับ Google Colab และบัญชี Roboflow แบบใช้ฟรี GPU รุ่นฟรีของ Colab มีโควตาจำกัด หากต้องการ Train นานขึ้นอาจใช้ Colab รุ่นเสียเงินหรือ Cloud GPU ที่ผู้เรียนชำระเอง ควรรู้ด้วยว่า Roboflow แบบใช้ฟรีกำหนดให้โปรเจกต์เป็นสาธารณะ และ Ultralytics YOLO ใช้สัญญาอนุญาต AGPL-3.0 การใช้ในผลิตภัณฑ์เชิงพาณิชย์แบบปิดซอร์สต้องมี Enterprise License
งานตรวจสอบคุณภาพชิ้นงาน การนับสินค้า การอ่านค่าจากภาพ หรือการตรวจจับคนและยานพาหนะจากกล้อง ล้วนเริ่มจากการประมวลผลภาพที่ถูกต้อง OpenCV เป็นไลบรารีโอเพนซอร์สหลักของงาน Computer Vision ที่ใช้กับ Python ได้ทันที และ OpenCV 5 ได้ปรับ DNN Module ให้รองรับโมเดล ONNX…
Deep Learning คือกลไกเบื้องหลังระบบ AI ที่ใช้อยู่ทุกวัน ทั้งการจำแนกภาพ ตรวจจับวัตถุจากกล้อง วิเคราะห์ความรู้สึกจากข้อความ ไปจนถึงโมเดลภาษาขนาดใหญ่ แต่เครื่องมือเปลี่ยนเร็วมาก โค้ดแบบ TensorFlow 1 และ Keras 2 ที่เคยสอนกันใช้ไม่ได้แล้ว ไลบรารีหลักอย่าง Hugging…
Machine Learning ยังเป็นหัวใจของงาน AI ในองค์กร ทั้งการพยากรณ์ยอดขาย คัดกรองลูกค้า จัดหมวดเอกสาร หรือตรวจจับความผิดปกติ และงานข้อมูลแบบตารางจำนวนมากยังได้ผลดีและคุ้มค่ากว่าเมื่อใช้โมเดลคลาสสิกแทน Deep Learning…
