AI 瑕疵辨識
關於AI瑕疵檢測
耐銳利利用非監督式演算法打造AI瑕疵檢測系統。
無需 AI 專家，現場人員即可在幾分鐘內完成高品質檢測模型訓練。
傳統AOI檢測缺點
傳統 AOI 依賴大量規則與標記數據。若將軟體準確率調升，過殺率 (Overkill) 與 誤判率極高，這會增加格外人力再排查誤判品。
對於未標記過的瑕疵，只要不在定義的規則內，軟體就會「漏檢」。
其他AOI檢測缺點
需要搜集大量產品瑕疵樣品，透過軟體學習辨識出瑕疵。如產品本身的生產良率高，則搜集瑕疵品會變得非常困難。
有經驗的品檢員花費大量時間在螢幕上手動框選瑕疵。如果標記不準確，軟體的表現會慘不忍睹。
產品特點
5-10張
提供少量商品瑕疵/正常樣本即可訓練模型（具體張數視案件複雜程度而定）
5分鐘
透過非監督式學習，快速訓練AI模型，短時間內即可完成訓練。
100ms
檢測及回應時間最快可達100毫秒
（與檢測複雜程度有關）