運用開源AI CV工具，提升制造品管效益

運用開源AI CV工具，提升制造品管效益

機器視覺的市場趨勢（左）與技術趨勢（右）。

MV AOI vs AI CV

深度學習可應用于表面瑕疵檢測

MV AOI vs AI CV主要差異比較

善用開源AI CV工具

善用開源工具為制造品管把關

OpenCV與OpenVINO協作

Intel DevCloud內建焊接良率檢測模型。

此范例程序在不同的運算系統配置下有不同的表現，其中以使用Intel Xeon Gold 6258R服務器等級處理器的系統表現最佳，不僅AI推論的處理時間最短，相同時間內也可以處理最多張的影像（Frame Per Second, FPS）。

不同系統執行Intel DevCloud焊接良率檢視推論的效能比較。

小結

此外，在模型布署上，即便將訓練好的模型布建到相同機種的不同機臺上，其推論準確性也會有所差異；要定期加入新的不良品數據集、重新訓練AI模型，但新訓練成的模型，必須保證對新舊不良品都有一致的檢測能力，言下之意模型可能因新增的數據而對過往的數據產生分析（推論）的偏差。

若要權衡新技術（在此指導入AI技術）的投資成本與檢測性價比，AI相較于傳統MV技術較不要求樣本、燈光，但卻需要較多的數據量與運算力，其技術投資合算性需要事先審慎估算。

最后，目前制造品管的AI應用仍多倚賴人為介入的監督式學習，仍需要投入關注心力，而最終極目標是能實行非監督式學習，讓AI自行找出瑕疵處、瑕疵品，然這仍有待發展努力。

審核編輯 ：李倩

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。