依據歐盟施行的個人資料保護法，我們致力於保護您的個人資料並提供您對個人資料的掌握。 我們已更新並將定期更新我們的隱私權政策，以遵循該個人資料保護法。請您參照我們最新版的 隱私權聲明。
本網站使用cookies以提供更好的瀏覽體驗。如需了解更多關於本網站如何使用cookies 請按 這裏。
技術文庫
15.01
2023
AOI？AI？ 如何選擇最合適企業的方案？
AOI？AI? 如何選擇最合適企業的方案？
對於許多製造業的客戶而言，傳統的 AOI 可能存在過殺率居高不下和漏檢的技術問題，
當 AI 隨著科技日新月異受到大家的注目並應用在工業瑕疵檢測時，不禁讓人好奇，究竟 AI 如何帶來效益呢？又和傳統 AOI 有什麼區別呢？
AOI (自動光學檢測，Automated Optical Inspection)，為高速高精度光學影像檢測系統，運用機器視覺搭配 Rule-Based algorithms做為依據，用以量測成品、半成品的尺寸規範或是檢測異物附著及外觀瑕疵等異常。在自動化產線中，過往產品外觀檢測需耗費大量人力，且為了顧及產能往往難以執行 100% 產品全檢，而 AOI 正是改善傳統以人力使用光學儀器進行檢測的缺點，可提升檢測品質穩定性，大幅縮短產品檢測時間，進而降低生產成本。
常用來與 AOI 做為比較的 AI，通常指的是 AI 的其中一個分支—深度學習 (Deep learning)，一種以類神經網路架構，透過給予大量的資料，反覆進行特徵搜尋及學習的方法。在這樣的架構中，有別於 AOI 需針對每一種的瑕疵可能出現的樣態，設計相對應的參數規則，AI 僅需盡可能地提供所有可能出現的瑕疵圖像資料，模型 (Model) 即可自動進行學習，大幅度降低程式開發時間。
AOI 與 AI 比較
AOI 與 AI 基於使用原理不同，針對其優劣勢有不同的應用場景，針對需求選擇效果最好的方式才能協助客戶事半功倍。
雖然 AOI 及 AI 常被放在一起比較，但實際上兩者並不是替代品，而是相輔相成的存在，因 AOI 的檢測原理是以設定好的參數為基準進行邏輯判斷，這樣子的方式在外觀標準較嚴格的產業上，過度篩檢 (Overkill 偏高) 是長期以來的問題，而為了解決這樣子的問題，不得不以人工進行第二次複檢，不僅耗時也提高了檢測成本。 AI 技術的成熟，正好得以彌補 AOI 的缺點，提高檢測效率並有效降低過殺；而在 AI 導入初期，數據量較少的情況下，難以保證實際上線的準確率，AOI 這時則可以輔助快速收集數據，縮短模型收斂時間，也因此「AOI+AI」來提高檢測準確率已逐漸成為主流的方法。