近年来，随着人工智能发展步入快车道，许多产业已经将AI部署在工厂生产线上，AI系统在瑕疵检测与品质管理等环节都可以提供非常大的帮助，尤其是针对AOI检测应用。
研华AI架构软件及平台产品部署
∨
在智能工厂的操作控制和硬体的挑选检测中，AI已经有了非常广泛的应用。尤其是在半导体行业，AI对于设备问题检测的改善有非常大的帮助。
以产品质量检测为例，机器视觉技术的实施替代部分人工质检，检测精度从平均80%水平可提升至90%水平，而人工智能技术的融合可进一步提升机器视觉精度，很多实践已证明AI机器视觉检测可实现高达99%以上检测精度，极大降低了人员低端作业的成本。
在过去的一些视觉检测中，常会为了降低漏检，检测标准严格而将良品判定为不良品，造成过筛，这会对客户产能造成影响。通过AI复查，我们可以将真正的良品重新选回，降低过筛，帮助客户精准判定的同时，节省生产成本。
为了让智慧自动化变得更简单，让工程师使用AI视觉产品能够更快完成手上的专案，设备对于功能的要求越来越多，从以前纯粹的机械手臂，到视觉检测的追加，AI的加持，不断整合先进功能，快速提供价值给终端客户。
通过采用研华AI人工智能推理平台产品，帮助视觉检测设备高精度运行。经过AI训练，对检测数据进行跟踪、判别、综合比较，提高识别准确率，提供高可靠数据保障。
客户痛点
系统应用架构
方案特点
推荐产品方案
成功应用案例
整合Rule-based机器视觉
与AI视觉辨识的解决方案
某散热片工厂原本是设有三大检测站，由多位检测员分别进行尺寸、厚度与外观瑕疵检验。
研华与伙伴偲倢携手为散热片工厂建置AI检测应用，偲倢的自动化软件开发平台（SmaSEQ）将已模块化的视觉检测、运动控制、I/O控制、人工智能瑕疵检测工具（SmaAI）、AI训练等功能整合，安装SmaSEQ的研华MIC-770负责检测站流程的控制（像是操控待测品上下件的马达与气缸，透过COM port 控制雷射测距仪，撷取与传送相机的取像内容等），并执行Rule-based机器视觉检测，藉此判断散热片的尺寸与厚度平整度是否符合规范；安装SmaAI的MIC-730AI则负责执行AI影像分析，比对找出有外观瑕疵的散热片。
整合Rule-based机器视觉与AI视觉辨识的这套解决方案，针对尺寸、厚度、外观缺陷等多项检测都能一站搞定，既降低人力成本，又提高检测精准度。
