运用开源AI CV工具，提升制造品管效益

运用开源AI CV工具，提升制造品管效益

机器视觉的市场趋势（左）与技术趋势（右）。

MV AOI vs AI CV

深度学习可应用于表面瑕疵检测

MV AOI vs AI CV主要差异比较

善用开源AI CV工具

善用开源工具为制造品管把关

OpenCV与OpenVINO协作

Intel DevCloud内建焊接良率检测模型。

此范例程序在不同的运算系统配置下有不同的表现，其中以使用Intel Xeon Gold 6258R服务器等级处理器的系统表现最佳，不仅AI推论的处理时间最短，相同时间内也可以处理最多张的影像（Frame Per Second, FPS）。

不同系统执行Intel DevCloud焊接良率检视推论的效能比较。

小结

此外，在模型布署上，即便将训练好的模型布建到相同机种的不同机台上，其推论准确性也会有所差异；要定期加入新的不良品数据集、重新训练AI模型，但新训练成的模型，必须保证对新旧不良品都有一致的检测能力，言下之意模型可能因新增的数据而对过往的数据产生分析（推论）的偏差。

若要权衡新技术（在此指导入AI技术）的投资成本与检测性价比，AI相较于传统MV技术较不要求样本、灯光，但却需要较多的数据量与运算力，其技术投资合算性需要事先审慎估算。

最后，目前制造品管的AI应用仍多倚赖人为介入的监督式学习，仍需要投入关注心力，而最终极目标是能实行非监督式学习，让AI自行找出瑕疵处、瑕疵品，然这仍有待发展努力。

审核编辑 ：李倩

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。