電子發燒友App
大家對AI的期待越來越高，因為它能像人一樣識別對象物的特征，并自動學習判斷標準。但是，要使其投入實際應用，必須準備大量的圖像數據供AI學習，而且還面臨若干問題，如AI工程師的保障、需要在現場安裝特殊的AI硬件等，因此很難將AI引入生產現場。為了解決這些問題，歐姆龍全新開發了一種缺陷抽取AI，再現了熟練工的檢測方法，并將其搭載于圖像處理系統FH系列中。
?
1、通過類似人的“感性”來發現劃痕
FROM：對人感性的依賴
缺陷的檢測依靠人的感性，難以定義，成為自動化的難題。
TO：利用AI技術，自動實現目視檢測
檢測人員擁有的“將背景中的不協調視為缺陷”的技能，已利用AI技術化，并作為圖像過濾器搭載。
即使是新品種、未知劃痕、復雜背景這些機器以前難以判斷的內容，也可以在沒有劃痕樣本或調整的情況下，檢測為“劃痕或缺陷”。
2、類似熟練工的“經驗”來判斷良品
FROM：依賴于熟練工的經驗
在官能檢測中，允許良品狀態有差異。由于良品狀態的判斷標準依賴于熟練工的知識，因此很難用以往的FA圖像處理系統對其進行定義，并且需要不斷進行設置調整工作，這成為自動化的難題。
TO：利用AI技術實現調整知識自動化
“AI準確匹配”通過學習良品狀態的圖像數據，在短時間獲得檢測人員在多年實踐中積累的“檢測技術和知識”。
除了能夠再現熟練工的檢測能力外，相比傳統的自動化檢測方法，能夠減少因公差導致的良品過檢，大幅降低成本以及提高生產效率。
3、無需構建AI專用環境
引進AI不需要高規格硬件，也無需配備AI工程師來構建適合不同現場環境的系統。利用在生產現場已有大量使用經驗的通用圖像處理系統，即可輕松引進AI。
▲ 無需AI專用硬件
需要準備工作站級別硬件的AI檢測技術無法在現場大規模引進。FH系列不需要專用硬件，因此可以輕松引進。
▲ 無需AI工程師
為了將AI技術調整至能在自己公司的工序中穩定運行，除了圖像處理技術外，還需要編程和維護，但FH系列能夠以普通圖像傳感器的操作感覺來使用AI。無需AI工程師。
審核編輯?黃宇
?
工商網監
評論