精準洞察製造現場的視覺 AI
從零散的硬體配置到 AI 建模、判定與回饋， 將全流程整合為一，為現場提供最順暢的檢測工作流程。
現場營運瓶頸
因應現場課題的客製化檢測
從多重角度分析客戶的實際數據與環境限制，為每道製程建立最合適且穩定的判定標準。
導入前
不良型態多樣，判定標準模糊
套用穩定的缺陷檢出演算法
導入後
建立精準的判定標準，維持生產良率的一致性
從視覺模型到檢測營運
即使檢測對象與生產條件改變，仍能確保可重複使用的模型資產與營運流程，正是其關鍵所在。
工業影像基礎模型採用理解質感、形狀與微缺陷模式的預訓練式方法
- 以少量數據進行初期驗證
- 依產品群管理再訓練候選
客製化營運方式標準化檢測類型快速處理，高難度製程則依現場量身打造
- 運用相似製程的解決方案，縮短交期並即時確保穩定性
- 面對前所未有的嚴苛環境，從 AI 模型、規則式演算法到系統，皆依現場狀況完美最佳化
- 從純 SW 套用到光學系統配置、設備製作的整套（Turn-key）建置，皆能依客戶的基礎設施條件靈活提供
快速確認作業讓作業人員能快速便利地確認檢測結果
- 檢出結果、佐證影像
- 信賴度、複檢紀錄
條件式驗證推論效能驗證體系
- 依產線速度、相機數量、解析度、GPU/邊緣設備條件，驗證處理量與延遲時間
- 工業影像基礎模型
採用理解質感、形狀與微缺陷模式的預訓練式方法
- 以少量數據進行初期驗證
- 依產品群管理再訓練候選
- 客製化營運方式
標準化檢測類型快速處理，高難度製程則依現場量身打造
- 運用相似製程的解決方案，縮短交期並即時確保穩定性
- 面對前所未有的嚴苛環境，從 AI 模型、規則式演算法到系統，皆依現場狀況完美最佳化
- 從純 SW 套用到光學系統配置、設備製作的整套（Turn-key）建置，皆能依客戶的基礎設施條件靈活提供
- 快速確認作業
讓作業人員能快速便利地確認檢測結果
- 檢出結果、佐證影像
- 信賴度、複檢紀錄
- 條件式驗證
推論效能驗證體系
- 依產線速度、相機數量、解析度、GPU/邊緣設備條件，驗證處理量與延遲時間
導入後最能期待顯著成效的情境
在眾多變數與不足數據之中，依然屹立不搖的精準度。於最嚴苛的製造環境中，AIVision 為您提供檢測解答。
- 1
表面缺陷檢測
偵測金屬、薄膜、電池、電子零件的 微缺陷候選， 並減少審查流程。
- 2
多品種外觀檢測
在 SKU 頻繁變動的環境中， 有系統地管理檢測標準 與模型優化候選。
- 3
不良樣本不足的製程
對於不良數據不足的新製程， 結合異常偵測與現場回饋加以因應。
毫不妥協的壓倒性效能
從大容量數據處理到超高速全數檢測， 提供不拖累現場生產速度的最佳檢測環境。
高解析度數據處理大容量高速處理功能
可以 87MB/s 的速度進行推論與數據儲存
超精密微缺陷偵測複雜零件的精密外觀深度學習檢測
可進行 55MB/s 的推論與數據儲存
量產產線最佳化無誤差與延遲的超高速全數檢測
每日 15 萬件全數檢測 · 純 Vision 判定 0.3 秒以內
基礎模型的與眾不同， AIVEX 從起點便截然不同。
與只要求精煉數據的一般 AI 不同， 我們克服製造現場中無可避免的不良數據稀少性與標註雜訊，並在其中持續學習。
比較項目
訓練數據量縮減 36 倍
既有競爭對手155,282 張
4,284 張比較項目
訓練數據量
開發期間
綜合檢出效能
Safety 不良檢出
既有競爭對手
155,282 張
5 年
69.9%
69.7%
4,284 張
6 個月
97.1%
100%
改善指標
縮減 36 倍
縮短 10 倍
+27.2%p
完美檢出
AIVEX 的基礎模型，為何如此特別？
- Noise-Robust Loss Function即使混入標註錯誤的訓練數據，模型也能自行過濾並維持精準度。
- Long-tail Sampling即使是現場幾乎不會發生的稀有缺陷，也能以與常見缺陷相同的比重進行訓練。
- 在相同設備上達到最高 3 倍的處理速度無需更昂貴的伺服器，即可在現有硬體上消化更大的檢測量。
- 全球首例大型外觀全面檢測量產成功國內大型製造商實績
想了解導入單位 與營運條件嗎？
請查看常見問題
Q.可以單獨導入AIVision嗎？
可以，AIVision支援單獨導入。與AIVData、AIVOps組合導入時，營運迴圈的效果會更顯著。
Q.導入單位有哪些模式？
支援整套交付（含相機、照明）、軟體單獨、模型單獨3種模式。在PoC階段根據產線條件進行選擇。
Q.與現有的相機和產線設備相容嗎？
與主流工業相機、照明、PLC相容，相容與否在PoC診斷中進行確認。