top of page
壓裝檢品質檢測
應用主題
基於深度學習技術之瑕疵檢測。
應用內容
藉由線上機台設備即時收集與監控品質檢測圖，搭配以大數據分析及深度學習演算法建模之技術，協助製造企業建立即時品質監控模型，提升整體出貨之品質。
應用技術
本案例系以使用深度學習之Siamese模型，透過分析企業所累積的大量檢測圖庫，自動學習能判斷產品檢測圖形之好壞，進而區分出合格及不合格之產品。
應用案例
面臨問題
一直以來，案例工廠在現階段品質檢測的過程中，檢測人員需要針對每一個產品的檢測圖，進行人工的專業判斷，才能確保產品的檢測品質符合第三方監造人員的審查標準，然而過程中，檢測圖往往會出現”模棱兩可的結果”，而造成有時不同的檢測人員判斷會產生不同的判讀，甚至第三方監造人員亦會有標準不一的現象產生，再加上檢測人員會因長時間的判讀，而發生疲勞誤判的現象，因此客戶詢求一套AI自動化識別系統，藉此建置客觀一致的標準，以期達成”寧可過篩”也不能放過任何一個不合格產品。
解決問題與挑戰
產品檢測的品質控管，主要透過檢測圖形之曲線變化來決定，當曲線過於抖動或是劇烈起伏，即表示該產品之品質有問題，過往僅透過現場人員主觀的判斷。透過大數據分析檢測圖庫後，試圖用深度學習方式找到客觀一致性的判斷準則。
案例專案解決方案
透過搜集檢測圖庫所累積的大數據，經由專案團隊與客戶領域專家討論「檢測圖形重要特徵」，包括定義問題、搜集與處理資料，數據理解等，最後建立可視化之AI自動化識別系統。
bottom of page