AI產品瑕疵檢測-應用CNN物件偵測實作班

在現代工業中AOI檢測扮演不可或缺的角色，而其中深度學習應用於各種不同的AOI檢測皆有優良的表現結果，因此本課程將教導學員什麼檢測適合使用深度學習進行檢測及如何實際將經典深度學習模型應用於瑕疵檢測的實作。

雖然傳統的機器視覺系統能穩定且可靠地應用於產品檢測。但由於傳統的機器視覺是透過逐步篩檢和基於規則的演算法來運作，雖能比人工檢測更具成本效率，但隨著例外與缺陷資料庫不斷增長，演算法變得具有挑戰性而愈來愈難以程式化；和傳統機器視覺不同，人工檢測則能進行分辨細微的外觀和功能缺失且還能藉由鑒別零件外觀上來判斷是否會影響品質。因此雖然人工檢測所能處理 的速率比較受限，但人類在概念化與歸納能力上是獨一無二且人類善於從實例學習，能在零件之間出現微小異常時分辨出何為真正重要的。

但深度學習技術利用神經網路，能藉由將需要辨識的圖像類型加上標識，進而從這些圖像中辨識物件已知的功能特徵，異常和類別進行系統模型的訓練；此過程與訓練人工檢測人員非常相似。因此能在訓練期間能教導系統模型辨識明確的缺陷以及存在多種形式的缺陷和學習物件的正常外觀，包括顯著但可容許的變化。而藉由將深度學習作為機器視覺的新技術運用於產品外觀檢測則同時包含人工檢測的靈活度和機器檢測所具備的可靠性较高，錯誤率更低，辨識速度更快的特性。