是說我也不是什麼AI專家，就去年去上過幾堂課，也學過一、二年的Python，大概知道PyTorch怎麼用，可以寫程式生成妹子圖而已。重點劃在，我覺得大家都在說，要將生成式AI引進傳產，這是有點難度的。畢竟生成式AI並不算成熟的技術。相反的，這幾年機器視覺進步非常快，CNN（卷積神經網路）的成熟，加上Python本身擁有的影像處理套件OpneCV，已經可以做很多事。傳產的生產線有很多地方無法目視，有些則速度太快，或人力成本考量，未來都可以靠機器視覺與AI判別來取代。就我之前在客戶生產線裝攝影機，進行模型訓練的結果來計算，即使現在判讀成功率只有九成左右。但過去是完全無法在生產線前端進行監測，若能一開始就打掉九成的瑕疪品，不用等加工結束，才用人工目視剔除，已可節省大量成本，我覺得這才是現階段傳產導入AI運用的好方向。

我決定在新客戶的合約中，都新加一小段，讓他們授權給我裝攝影機，取得夠多的圖片進行模型訓練。只是我不想讓他們知道我在幹嘛，所以要寫的很隱晦，不知道會不會被抓到。

左看右看也只有瑕疵檢測有這個需求，幾年前就有人來問，不過現在的技術進展讓導入成本大幅降低。

AOI類型機台應該也用的上，今年的展覽應該會出現大量展示

生產瑕疵檢測，我這邊機台產出馬上用二次元 AOI 檢測。有問題就停機和示警。

進料時檢驗。有抽樣送到實驗室。

我很早就想推視覺AI
但是藍丁高層都很保守,即使現在價格比6年前低很多了

等一下，這些應用早就行之有年了吧。

AOI在電子跟食品產業是很成熟的技術，換成AI不知道是不是對於不良的檢出能力有改良，能做到只要給良品不用限度樣品可能就很有差了

>二次元 AOI 檢測 .... 應該是準確率/產品價值/設備價格 多種考量 ....

半導體導入得很早啊 ... 產品價值 高啊 ....

索董的狀況應該是 設備價格降/準確率高 ... 就算產品價值低的 也都可以應用 ...

對啊，電子產業很多，就算是低價格的接點都有了很久了

是說， 如果以產線來講，用不用自動化機器+ AI 辨識 ，取決於產品價值和組裝的複雜度。 但是通常 QC 是可以的

如果是針對包裝或是標籤類的，也是有廠商在做了，應該就是能夠多便宜或是有信賴性

好人不容易 : 獅子林特大碗 : trifire : AOI其實有很多限制，而且我覺得最重要的是你要對某一種產品的生產線，開發一組專用的AOI系統，成本不低。但機器視覺與AI判斷，解決了過去AOI的問題與限制。

那應該就是運用彈性了，同一套系統不需要太多的訓練跟設定就可以切換品項

自動檢測開發很多年了，關鍵都還是在判定，這部分不太確定AI能不能做更好

天雨＠去應許之地 : 我是覺得初期當然AI做的不會更好，但就目前發展的情況，幾年後AI的成本、正確性與彈性，絕對會快速贏過AOI的。特別是幾個AOI沒有辦法做的領域。

精進波羅蜜 : 回報大大，其實"圖像"判別，一直有工廠想導入(包含CNC廠)，但就我看到的，X,Y平面定位，目前還是容易有誤差，無法在高精度上克服，非高精度的切洗確實可以用圖像判別， 並且能尋邊定位，但有時候會誇張的來到50條以上，原因不明。 未來真的還有很多要克服

天雨＠去應許之地 : 應該是能慢慢克服，但要真的能推出去勢必要降成本。

市場上早已有不少AI化的瑕疵檢測方案，也不乏應用案例，甚至還有需要檢測出瑕疵、但資料量不夠的時候，就可以透過AI故意生成出瑕疵，然後再拿生成出的資料去做訓練，就可以加速之後的檢測。

我看了上面所有留言，唯一的感覺是「已知用火」。

先不提工業電腦產業早就一堆案例和方案，Google一下AI AOI是有這麼難嗎？

精進波羅蜜 : 讓他們授權給我裝攝影機，取得夠多的圖片進行模型訓練 小索你好像忘了小七櫃台上面那個廣告電視上的攝影機....嘿嘿嘿嘿

痴漢水球.old : AOI我會想到blue earth