不只是一次性檢測， 而是持續維繫高品質生產的解決方案
將相機與光源、AI 模型、判定畫面、作業員回饋與再訓練整合為單一流程， 從容因應多品種生產與不斷變動的品質標準。
AIVEX 的解決方案，不會止於一次性的合作。
來自現場的聲音為我們證明。
全產線水平展開
為了節省成本，我們曾委託中國廠商製作設備，卻完全無法達到嚴苛的週期時間與精度要求而以失敗收場。以 1.5 秒內同時運行 10 個 AI 模型的壓倒性技術實力，完美解決這道難題的，唯有 AIVEX。
G 客戶（高階軸承製造商）
檢測時間縮短 99%
既有的接觸式 CMM 掃描同一對象物需耗時 20 分鐘，導入 AIVEX 的非接觸式 3D 感測器解決方案後，節拍時間（tact time）縮短至 12 秒。並透過 ±20μm 以下的機構重複性與基於標準樣件的精密校正，確保了設備間的一致性。
F 客戶（導入尺寸檢測機）
因應 0.1% 極限環境
在不良率 0.1% 以下的環境中，快速的模型更新攸關成敗。面對眾多產品群與多品種檢測，究竟該將整合模型擴展與多樣化到何種程度，真正掌握這項 know-how 的公司，唯有 AIVEX。
B 客戶（半導體後段製程）
實現零缺陷物流揀貨
既有解決方案經常漏抓箱體或以歪斜角度夾取，造成嚴重的破損損失。 AIVEX 從夾爪提案階段到視覺解決方案進行整體重新設計，目前已能以趨近零缺陷的水準穩定運作。
K 客戶（物流自動化）
漏檢率 3ppm
在彈體外觀檢測中達成 3 ppm 的漏檢率。是一位實證了精密製造所要求之極致檢測精度的合作夥伴。
L 客戶（國防）
從導入到營運，全程徹底管理。
AIVEX 從顧及製程環境的拍攝條件設計，到資料建構、AI 模型開發、現場應用， 乃至營運所需的管線，提供 7 大階段滴水不漏的管理體系。
- 1
光學系統與拍攝 條件設計
分析對象物的大小、材質、表面特性與產線環境等，設計相機、鏡頭與光源條件。
- 2
樣本資料 建構
在不良樣本不足時，運用 Generative AI 補足訓練資料。
- 3
AI 模型設計
依檢測目的與缺陷特性，設計可判定多樣不良的 AI 模型結構與基準。
- 4
檢測系統 建置與量產
依產線速度與設備聯動條件安裝系統，並配合量產環境進行穩定化。
- 5
即時結果 查詢與檢視
在營運畫面上即時確認判定結果與作業員的審查紀錄。
- 6
模型改善與 再部署
反映現場變化與新型缺陷以改善模型，並將驗證過的模型重新部署至現場。
- 7
檢測履歷與 品質分析
累積各產線、品項、期間的檢測結果，轉化為可用於品質趨勢分析與製程改善的資料。
即使是棘手的現場，也能確實落地。
AIVEX 反映產線、設備、產品群等各現場各異的變數， 整理檢測結果、篩選出需要檢視的資料，並提供即便在既有設備環境下也能運作的 AI 檢測流程。
- 1
依缺陷類型組合模型
依缺陷的形態與檢測難度，組合分類、檢出、語意分割與異常偵測模型，設計出貼合現場的檢測架構。
- 2
從判定到再訓練一次串接
累積 AI 判定結果與作業員審查履歷，篩選出誤檢、過檢、漏檢案例，並串接為改善模型所需的再訓練資料。
- 3
可套用於既有設備
盡可能善用已在運作中的相機、光源、邊緣設備與設備聯動環境， 讓 AI 檢測系統貼合現場落地。
超越 AI 外觀檢測， 進一步加入 3D Metrology 的精密檢測。
將 AI 外觀檢測與 3D Metrology 一併設計， 讓形狀、尺寸、段差乃至平面度，都在量產產線上以單一檢測流程進行管理。
- 在線全數檢測
將精密計測基準導入量產產線
顧及與 CMM 基準的一致性，將孔位、直徑、輪廓度、平面度等 配合量產產線速度，以 μm 為單位進行檢測。
- 品質回饋
與 AIVData 串接的計測履歷
將 3D 計測結果累積於 AIVData，運用於各品項、產線、期間的 品質趨勢分析與製程回饋。
- 非接觸計測
將檢測項目擴展至形狀、尺寸與段差
配合對象物的材質、反射特性與移動速度設計 3D 掃描條件， 取得產品整面的形狀與尺寸資料。
已應用於多元產業與產品的 AI 檢測產品陣容
AIVEX 以汽車、電池、精密零件、生醫等多元產業的檢測對象為基準， 構成各產品專屬的 AI 檢測解決方案，並配合現場條件套用外觀、尺寸、位置與表面缺陷檢測。
BearingVis
- 產業
- 汽車
- 檢測對象
- 金屬 Half Bearing
- 應用內容
- 內／外側表面缺陷檢測
ShaftVis
- 產業
- 汽車
- 檢測對象
- 金屬 Shaft
- 應用內容
- 表面缺陷與尺寸檢測
PaintVis
- 產業
- 汽車
- 檢測對象
- 汽車塗裝面
- 應用內容
- 基於 6 軸機器人的車體塗裝缺陷檢測
PlateVis
- 產業
- 汽車／精密
- 檢測對象
- 金屬 Plate
- 應用內容
- 外觀缺陷與尺寸同步檢測
TrackVis
- 產業
- 汽車
- 檢測對象
- 塗裝產線車輛追蹤
- 應用內容
- 車輛位置對位與機器人作業基準點
BatteryVis (Cylindrical)
- 產業
- 電池
- 檢測對象
- 圓柱形電池罐
- 應用內容
- 曲面與圓形結構表面缺陷檢測
BatteryVis (Prismatic)
- 產業
- 電池
- 檢測對象
- 方形電池罐
- 應用內容
- 外側面、內側面、開口部、底面複合檢測
HyperVis/MultiVis
- 產業
- 精密／其他
- 檢測對象
- 一般精密零件
- 應用內容
- 多品種少量客製化檢測
BioVis
- 產業
- 生醫／其他
- 檢測對象
- 生醫產品
- 應用內容
- 精密外觀檢測
檢測營運管線 PoC 流程
優先套用於試行產線，於全公司導入前預先驗證營運負荷的降低成效與檢出指標。
*標準 PoC 所需期間與範圍，將於現場資料診斷後透過共識階段確定。
- 1
製程診斷
檢視檢測對象、現有資料與產線環境， 以評估適用的系統。
- 2
單一產線 PoC
於代表性品項與單一產線上，依基準驗證檢出率、漏檢率與過檢率。
- 3
試行營運
於指定產線訓練並部署模型，在實際 檢測流程中確認其營運性。
- 4
多產線擴展
將驗證過的基準擴展至多條產線與品項， 並使營運標準化。
請為 PoC 預先準備這些！
- 代表性案例已設定明確改善目標的檢測課題 1～2 項
- 對象物資訊品質相關規格（spec sheet）或檢測基準書
- 可容許範圍可容許的目標漏檢率與過檢率基準
- 部署環境依資安政策而定的部署環境需求（地端、網路隔離等）
從 AI 模型、設備到軟體。 檢測所需的一切，整合於一處。
AIVision 是 AIVEX 的核心 AI 視覺檢測解決方案，從光學系統設計、AI 模型開發到現場部署，提供 End-to-end 的完整服務。 您可依預算與內部能量，選擇 3 種導入方式。
為基礎設施不足或需要 快速導入的客戶提供的整套（Turnkey）解決方案
為需要光學與檢測設備（不含控制與物流）的客戶提供的檢測營運解決方案
為自有設備與軟體的客戶提供的 以模型為核心的檢測營運解決方案
現場應用案例
AIVEX 已在汽車、電池、精密零件、物流等多元製造現場，創造出檢測自動化與品質改善的案例。 歡迎根據實際製程條件與營運資料，確認其應用成效。
The Heart of Deep Learning Vision Inspection: Building a Platform Environment Where Vision Engineers Can Focus Solely on the Model
AIVEX’s Vision Platform Group built a platform architecture that separates complex hardware control from software logic, enabling vision engineers to focus on deep learning models and inspection logic rather than infrastructure or hardware control code. By separating hardware and algorithms and introducing declarative inspection scenarios and fault tolerance, the platform improves deployment flexibility while maintaining both high performance and system stability.
2026.09.14
Building Prism: Our In-House AI Code Review System
Our AI Platform Team currently uses “Prism,” an in-house code review system developed to ensure the stable operation of the AIVOps platform and maintain the quality of its codebase. In this article, we will share why we decided to build Prism, how the system was developed, and how we are using it today.
2026.09.10
Are You Still Opening Folders on the Inspection PC to Check False Positives and False Negatives?
When we receive a request to reduce the false positive rate or a notification that a false negative has occurred, the usual response is to connect to the inspection PC on site, open File Explorer, and start looking for the relevant images. But across multiple production lines, this was one of the bottlenecks we encountered repeatedly. Finding images one by one and then querying the database again to reconstruct the inspection history for each image took a significant amount of time every time. In the process, the data would gradually become disconnected or inconsistent.
2026.09.08
FAQ
我們整理了客戶在導入 AI 檢測與 3D 計測解決方案前最常詢問的問題。
Q.能夠將AI外觀檢測與3D量測結合應用嗎？
可以。AIVEX將AI外觀檢測與3D Metrology一併設計，把形狀、尺寸、段差、平坦度等僅靠2D影像檢測不足的項目也納入同一檢測流程進行管理。 必要時還會一併評估與CMM基準的一致性。
Q.對於單一AI難以判別的複合型缺陷類型也能檢測嗎？
是的，可以透過靈活的流水線（pipeline）配置來解決。對於單一模型難以應對的複雜工序，我們會將多個AI模型與基於規則（Rule-based）的演算法進行整合（Ensemble），或將其組合為順序化的情境，整合為一個龐大的檢測流程進行統一運營。
Q.即使不良樣本不足也能進行PoC嗎？
可以。首先審查已有的正常·不良影像及標註記錄，若不良樣本不足，則利用類似案例或基於Generative AI的資料增強來補充初期訓練與審查範圍。但最終判定標準將以實際現場資料進行驗證。
Q.需要更換所有現有設備嗎？
並非一定需要全面更換。我們會先診斷現有的相機、照明、邊緣設備及設備聯動環境，保留可利用的設備，僅補充必要的光學系統、感測器與軟體，使其符合現場條件後再加以應用。
Q.製程環境（照明、材料等）發生變化時，AI效能不會下降嗎？
為減少因工序環境變化導致的效能下降，我們會持續監控檢測結果與檢收履歷。 一旦確認資料分布發生變化或出現誤判案例，便會篩選改善資料，經過現場審批流程，僅將經過驗證的模型重新部署到產線。