ความแตกต่างระหว่าง AI และ AOI
การแนะนำ AOI
การเปลี่ยนแปลงจากยุคของการผลิตแบบมวลชนที่มีความหลากหลายจำกัดไปยังรูปแบบการผลิตที่มีการเน้นผลิตสินค้าปริมาณน้อยและมีความหลากหลายสูงในปัจจุบัน ทำให้การควบคุมคุณภาพและการตรวจสอบมีความซับซ้อนและท้าทายมากขึ้น สินค้าในปัจจุบันมีหลากหลายรูปทรง ขนาด วัสดุ และคุณสมบัติอื่นๆ ซึ่งมักนำไปสู่ข้อบกพร่องที่ไม่สามารถนิยามได้อย่างชัดเจน
ดังนั้น ระบบการตรวจสอบด้วยแสงอัตโนมัติ (AOI) จึงกลายเป็นโซลูชันที่ใช้กันอย่างแพร่หลายสำหรับการตรวจจับข้อบกพร่องในกระบวนการอุตสาหกรรม อย่างไรก็ตาม AOI แบบดั้งเดิมจะพึ่งพาตัวอย่างข้อบกพร่องที่กำหนดไว้ล่วงหน้าและพารามิเตอร์ที่คงที่ในการตรวจจับข้อบกพร่อง ซึ่งจำกัดความสามารถของระบบ AOI ในการตรวจสอบอย่างคล่องตัวและรวดเร็ว ความน่าจะเป็นที่ระบบตรวจสอบแบบดั้งเดิมจะพลาดข้อบกพร่องจึงเพิ่มขึ้นอย่างมาก แต่ AI มอบทางออกที่เปลี่ยนแปลงกระบวนการมองเห็นของเครื่องจักร โดยอำนวยความสะดวกในการตรวจสอบที่ยืดหยุ่นและมีประสิทธิภาพมากขึ้น
ดังนั้น ระบบการตรวจสอบด้วยแสงอัตโนมัติ (AOI) จึงกลายเป็นโซลูชันที่ใช้กันอย่างแพร่หลายสำหรับการตรวจจับข้อบกพร่องในกระบวนการอุตสาหกรรม อย่างไรก็ตาม AOI แบบดั้งเดิมจะพึ่งพาตัวอย่างข้อบกพร่องที่กำหนดไว้ล่วงหน้าและพารามิเตอร์ที่คงที่ในการตรวจจับข้อบกพร่อง ซึ่งจำกัดความสามารถของระบบ AOI ในการตรวจสอบอย่างคล่องตัวและรวดเร็ว ความน่าจะเป็นที่ระบบตรวจสอบแบบดั้งเดิมจะพลาดข้อบกพร่องจึงเพิ่มขึ้นอย่างมาก แต่ AI มอบทางออกที่เปลี่ยนแปลงกระบวนการมองเห็นของเครื่องจักร โดยอำนวยความสะดวกในการตรวจสอบที่ยืดหยุ่นและมีประสิทธิภาพมากขึ้น
การตรวจจับข้อบกพร่องด้วยระบบ AOI
เมื่อผลิตภัณฑ์อิเล็กทรอนิกส์สำหรับผู้บริโภคยังคงพัฒนาอย่างต่อเนื่อง อุตสาหกรรมต่างๆ เช่น เซมิคอนดักเตอร์ ออพโตอิเล็กทรอนิกส์ และการผลิตอัจฉริยะกำลังประสบกับการเติบโตที่สำคัญ เนื่องจากข้อบกพร่องที่สามารถส่งผลกระทบต่อการทำงานของผลิตภัณฑ์ จึงมีความต้องการที่เพิ่มขึ้นในการเพิ่มผลผลิตในภาคการผลิต สายการผลิตแบบดั้งเดิมได้พึ่งพาการตรวจสอบด้วยมือในการตรวจจับรูปแบบข้อบกพร่องของผลิตภัณฑ์ แต่วิธีนี้ไม่สามารถตอบสนองความต้องการในการตรวจสอบอย่างละเอียดและประสิทธิภาพการผลิตได้
ระบบ AOI (การตรวจสอบด้วยแสงอัตโนมัติ) ที่ขับเคลื่อนด้วยเทคโนโลยีการมองเห็นของเครื่องจักรจะรวมแสง ควบคุมอิเล็กทรอนิกส์ กลไก และซอฟต์แวร์การตรวจสอบเข้าด้วยกันเพื่อทำการตรวจสอบที่แม่นยำ ระบบเหล่านี้เพิ่มประสิทธิภาพในการตรวจจับข้อบกพร่องโดยการเน้นคุณลักษณะของภาพผ่านการปรับแต่งแสงที่เหมาะสมและการใช้เทคนิคการประมวลผลภาพด้วยคอมพิวเตอร์ที่ล้ำสมัยเพื่อการวางตำแหน่งและการตรวจสอบที่แม่นยำ ด้วยการตรวจสอบข้อบกพร่อง สารปนเปื้อน และความผิดปกติในผลิตภัณฑ์ทั้งที่เสร็จสมบูรณ์และกึ่งเสร็จสมบูรณ์บนสายการผลิต AOI สามารถช่วยเพิ่มมาตรการควบคุมคุณภาพได้อย่างมาก
เมื่อเทียบกับวิธีการตรวจสอบด้วยมือ ระบบ AOI จะให้ระดับความสม่ำเสมอที่เหนือกว่าในการตรวจจับข้อบกพร่อง นอกจากนี้ ระบบ AOI ที่ติดตั้งกล้องความละเอียดสูงสามารถแยกแยะรายละเอียดที่ซับซ้อนที่อาจยากต่อการมองเห็นด้วยตาเปล่าได้ นอกจากนี้ ความสามารถในการตรวจสอบสินค้าหลายพันชิ้นต่อนาทียังช่วยแก้ไขปัญหาความไม่มีประสิทธิภาพในกระบวนการตรวจสอบด้วยสายตาด้วยมือแบบดั้งเดิม
ระบบ AOI (การตรวจสอบด้วยแสงอัตโนมัติ) ที่ขับเคลื่อนด้วยเทคโนโลยีการมองเห็นของเครื่องจักรจะรวมแสง ควบคุมอิเล็กทรอนิกส์ กลไก และซอฟต์แวร์การตรวจสอบเข้าด้วยกันเพื่อทำการตรวจสอบที่แม่นยำ ระบบเหล่านี้เพิ่มประสิทธิภาพในการตรวจจับข้อบกพร่องโดยการเน้นคุณลักษณะของภาพผ่านการปรับแต่งแสงที่เหมาะสมและการใช้เทคนิคการประมวลผลภาพด้วยคอมพิวเตอร์ที่ล้ำสมัยเพื่อการวางตำแหน่งและการตรวจสอบที่แม่นยำ ด้วยการตรวจสอบข้อบกพร่อง สารปนเปื้อน และความผิดปกติในผลิตภัณฑ์ทั้งที่เสร็จสมบูรณ์และกึ่งเสร็จสมบูรณ์บนสายการผลิต AOI สามารถช่วยเพิ่มมาตรการควบคุมคุณภาพได้อย่างมาก
เมื่อเทียบกับวิธีการตรวจสอบด้วยมือ ระบบ AOI จะให้ระดับความสม่ำเสมอที่เหนือกว่าในการตรวจจับข้อบกพร่อง นอกจากนี้ ระบบ AOI ที่ติดตั้งกล้องความละเอียดสูงสามารถแยกแยะรายละเอียดที่ซับซ้อนที่อาจยากต่อการมองเห็นด้วยตาเปล่าได้ นอกจากนี้ ความสามารถในการตรวจสอบสินค้าหลายพันชิ้นต่อนาทียังช่วยแก้ไขปัญหาความไม่มีประสิทธิภาพในกระบวนการตรวจสอบด้วยสายตาด้วยมือแบบดั้งเดิม
การประยุกต์ใช้ AOI ในภาคอุตสาหกรรม
เทคโนโลยี AOI (Automated Optical Inspection) ถูกนำมาใช้อย่างแพร่หลายในหลากหลายภาคอุตสาหกรรม เพื่อตรวจสอบผลิตภัณฑ์ในด้านความผิดปกติ ความเสียหาย ชิ้นส่วนที่ขาดหาย ความสกปรก รอยขีดข่วน และข้อบกพร่องอื่น ๆ รวมถึงการดำเนินงานที่สำคัญอย่างการอ่านบาร์โค้ด การวัดค่าความแม่นยำ และการตรวจสอบการพิมพ์ ด้วยเหตุนี้ อุตสาหกรรมต่าง ๆ เช่น อิเล็กทรอนิกส์ สิ่งทอ อาหารและเครื่องดื่ม รวมถึงยานยนต์ จึงได้รับประโยชน์จากเทคโนโลยี AOI อย่างมาก
ข้อจำกัดของ AOI ในการตรวจจับข้อบกพร่อง
แม้ว่า AOI จะถูกนำมาใช้ในภาคอุตสาหกรรมอย่างแพร่หลาย แต่ความจำเพาะเจาะจงสูงของระบบ AOI เองกลับเป็นอุปสรรคต่อการนำไปใช้อย่างครอบคลุม โดยเฉพาะเมื่อเผชิญกับข้อบกพร่องของผลิตภัณฑ์ที่ซับซ้อน ฉากหลังของภาพที่หลากหลาย หรือความแปรปรวนของแสง ระบบ AOI อาจพบข้อจำกัดในการทำงาน
AOI ใช้กลไกการตัดสินตามกฎที่ถูกตั้งโปรแกรมไว้ในระบบ ซึ่งหมายความว่า AOI สามารถตรวจจับข้อบกพร่องได้เฉพาะในกรอบของพารามิเตอร์ที่กำหนดไว้ล่วงหน้าเท่านั้น เช่น หากตรรกะการตรวจจับถูกกำหนดให้ข้อบกพร่องต้องมีลักษณะเป็นวงกลม ข้อบกพร่องที่ไม่เป็นวงกลมอาจไม่สามารถตรวจจับได้ ข้อบกพร่องที่เกิดขึ้นแบบสุ่ม เช่น ความแตกต่างของเปลือกไข่ ความผิดปกติในกระบวนการประกอบ PCBA คราบน้ำมันบนหัวเข็มขัดพลาสติก หรือรอยขีดข่วนบนชิ้นส่วนโลหะที่ผ่านการปั๊ม ถือเป็นความท้าทายอย่างมากสำหรับ AOI ในการตรวจจับให้แม่นยำ
เพื่อหลีกเลี่ยงความเสี่ยงในการพลาดข้อบกพร่อง ระบบ AOI มักถูกตั้งค่าให้มีความเข้มงวดสูง ทำให้เกิดความไวเกินไป และมีแนวโน้มที่จะเกิดการแจ้งเตือนผิดพลาด (False Positives) นอกจากนี้ ผู้ปฏิบัติงานยังต้องปรับแต่งอัลกอริทึมและพารามิเตอร์ของระบบอย่างต่อเนื่อง ขณะที่สายการผลิตอาจต้องตรวจสอบผลิตภัณฑ์ซ้ำหลายครั้ง เพื่อป้องกันการพลาดข้อบกพร่องหรือการแจ้งผิดพลาด ซึ่งปัจจัยเหล่านี้ล้วนส่งผลกระทบต่อประสิทธิภาพการผลิต และทำให้ต้นทุนการผลิตเพิ่มขึ้น
ประสิทธิภาพของ AOI ยังขึ้นอยู่กับการประสานงานอย่างแม่นยำระหว่างแหล่งกำเนิดแสง กล้อง และเลนส์ สำหรับแหล่งกำเนิดแสง การปรับความเข้มและคุณสมบัติของแสงมีความสำคัญในการเพิ่มความเปรียบต่างและเน้นลักษณะของวัตถุได้อย่างชัดเจน ซึ่งต้องปรับแต่งให้เหมาะสมกับวัสดุ สี และรูปร่างของวัตถุที่ตรวจสอบ เพื่อให้ได้ภาพที่ดีที่สุดและลดความเสี่ยงของการตรวจจับผิดพลาด ในการเลือกกล้อง ยังต้องคำนึงถึงองค์ประกอบด้านความไว ความละเอียด และอัตราเฟรม ที่เหมาะสมกับความต้องการตรวจสอบ และต้องจับคู่กับเลนส์ที่เหมาะสมเพื่อให้ระบบทำงานได้อย่างเต็มประสิทธิภาพ
นอกเหนือจากความซับซ้อนทางด้านอุปกรณ์ที่มีผลต่อคุณภาพของภาพแล้ว ผู้ปฏิบัติงานยังต้องรับผิดชอบในการปรับพารามิเตอร์ของเครื่องและจัดแนวใหม่ เมื่อมีการเปลี่ยนชิ้นส่วนหรือมีการปรับแต่ง ซึ่งต้องอาศัยประสบการณ์เป็นอย่างมาก นอกจากนี้ การปรับเปลี่ยนฮาร์ดแวร์และซอฟต์แวร์ยังเป็นเรื่องที่ซับซ้อน และระยะเวลาการซ่อมแซมอาจแตกต่างกันมาก ตั้งแต่ไม่กี่วันจนถึงหลายเดือน ซึ่งเป็นอุปสรรคต่อความต้องการของสายการผลิตที่เปลี่ยนแปลงอย่างรวดเร็ว ด้วยเหตุนี้ อุตสาหกรรมจำนวนมากที่ใช้ AOI จึงหันมาใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อยกระดับความแม่นยำและประสิทธิภาพของการตรวจสอบ
AOI ใช้กลไกการตัดสินตามกฎที่ถูกตั้งโปรแกรมไว้ในระบบ ซึ่งหมายความว่า AOI สามารถตรวจจับข้อบกพร่องได้เฉพาะในกรอบของพารามิเตอร์ที่กำหนดไว้ล่วงหน้าเท่านั้น เช่น หากตรรกะการตรวจจับถูกกำหนดให้ข้อบกพร่องต้องมีลักษณะเป็นวงกลม ข้อบกพร่องที่ไม่เป็นวงกลมอาจไม่สามารถตรวจจับได้ ข้อบกพร่องที่เกิดขึ้นแบบสุ่ม เช่น ความแตกต่างของเปลือกไข่ ความผิดปกติในกระบวนการประกอบ PCBA คราบน้ำมันบนหัวเข็มขัดพลาสติก หรือรอยขีดข่วนบนชิ้นส่วนโลหะที่ผ่านการปั๊ม ถือเป็นความท้าทายอย่างมากสำหรับ AOI ในการตรวจจับให้แม่นยำ
เพื่อหลีกเลี่ยงความเสี่ยงในการพลาดข้อบกพร่อง ระบบ AOI มักถูกตั้งค่าให้มีความเข้มงวดสูง ทำให้เกิดความไวเกินไป และมีแนวโน้มที่จะเกิดการแจ้งเตือนผิดพลาด (False Positives) นอกจากนี้ ผู้ปฏิบัติงานยังต้องปรับแต่งอัลกอริทึมและพารามิเตอร์ของระบบอย่างต่อเนื่อง ขณะที่สายการผลิตอาจต้องตรวจสอบผลิตภัณฑ์ซ้ำหลายครั้ง เพื่อป้องกันการพลาดข้อบกพร่องหรือการแจ้งผิดพลาด ซึ่งปัจจัยเหล่านี้ล้วนส่งผลกระทบต่อประสิทธิภาพการผลิต และทำให้ต้นทุนการผลิตเพิ่มขึ้น
ประสิทธิภาพของ AOI ยังขึ้นอยู่กับการประสานงานอย่างแม่นยำระหว่างแหล่งกำเนิดแสง กล้อง และเลนส์ สำหรับแหล่งกำเนิดแสง การปรับความเข้มและคุณสมบัติของแสงมีความสำคัญในการเพิ่มความเปรียบต่างและเน้นลักษณะของวัตถุได้อย่างชัดเจน ซึ่งต้องปรับแต่งให้เหมาะสมกับวัสดุ สี และรูปร่างของวัตถุที่ตรวจสอบ เพื่อให้ได้ภาพที่ดีที่สุดและลดความเสี่ยงของการตรวจจับผิดพลาด ในการเลือกกล้อง ยังต้องคำนึงถึงองค์ประกอบด้านความไว ความละเอียด และอัตราเฟรม ที่เหมาะสมกับความต้องการตรวจสอบ และต้องจับคู่กับเลนส์ที่เหมาะสมเพื่อให้ระบบทำงานได้อย่างเต็มประสิทธิภาพ
นอกเหนือจากความซับซ้อนทางด้านอุปกรณ์ที่มีผลต่อคุณภาพของภาพแล้ว ผู้ปฏิบัติงานยังต้องรับผิดชอบในการปรับพารามิเตอร์ของเครื่องและจัดแนวใหม่ เมื่อมีการเปลี่ยนชิ้นส่วนหรือมีการปรับแต่ง ซึ่งต้องอาศัยประสบการณ์เป็นอย่างมาก นอกจากนี้ การปรับเปลี่ยนฮาร์ดแวร์และซอฟต์แวร์ยังเป็นเรื่องที่ซับซ้อน และระยะเวลาการซ่อมแซมอาจแตกต่างกันมาก ตั้งแต่ไม่กี่วันจนถึงหลายเดือน ซึ่งเป็นอุปสรรคต่อความต้องการของสายการผลิตที่เปลี่ยนแปลงอย่างรวดเร็ว ด้วยเหตุนี้ อุตสาหกรรมจำนวนมากที่ใช้ AOI จึงหันมาใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อยกระดับความแม่นยำและประสิทธิภาพของการตรวจสอบ
การตรวจจับข้อบกพร่องด้วย AI
ความแตกต่างหลักระหว่างการตรวจสอบด้วย AI และการตรวจจับข้อบกพร่องด้วย AOI แบบดั้งเดิมอยู่ที่การพึ่งพากฎเกณฑ์เชิงประจักษ์ AI ทำงานคล้ายกับช่างฝึกหัดที่สามารถเลียนแบบความสามารถในการตรวจสอบของช่างฝีมือผู้เชี่ยวชาญได้ในระดับหนึ่ง โดย AI สามารถกำหนดขอบเขตของข้อบกพร่องและโมเดลการตรวจจับความผิดปกติได้เอง ด้วยการใช้ข้อมูลจำนวนมากและฝึกระบบด้วยเทคนิคการเรียนรู้เชิงลึกซึ่งช่วยให้ AI สามารถกำหนดพารามิเตอร์ที่เหมาะสมที่สุดสำหรับผลิตภัณฑ์ที่ดี (OK) และไม่ดี (NG) ได้โดยอัตโนมัติ ส่งผลให้สามารถตรวจจับข้อบกพร่องที่ไม่เคยเจอมาก่อนได้อย่างมีประสิทธิภาพ รักษามาตรฐานการตรวจสอบให้สม่ำเสมอ และเพิ่มความแม่นยำในการตรวจจับได้อย่างมาก
เนื่องจากความรู้เฉพาะทางแตกต่างกันในแต่ละอุตสาหกรรม วิศวกร AOI แบบดั้งเดิมที่พัฒนาโซลูชันให้แต่ละอุตสาหกรรมจึงอาจเผชิญกับความท้าทายในการแก้ไขปัญหาในสายการผลิตจริงได้อย่างทันท่วงที การแก้ปัญหาอย่างมีประสิทธิภาพจึงมักต้องอาศัยความร่วมมือกับผู้เชี่ยวชาญในอุตสาหกรรมนั้น ๆ เพื่อออกแบบฮาร์ดแวร์และกฎของ AOI ให้ตรงตามความต้องการ ในทางกลับกัน ระบบตรวจจับข้อบกพร่องด้วย AI จะเรียนรู้คุณสมบัติของภาพที่จำเป็นต่อการตรวจสอบผ่านอินเทอร์เฟซ และเมื่อฝึกสำเร็จ AI ก็สามารถสร้างกฎการตรวจสอบได้โดยอัตโนมัติ ซึ่งแสดงให้เห็นถึงความแตกต่างอย่างชัดเจนทั้งในด้านประสิทธิภาพการเรียนรู้และศักยภาพในการทำงาน
นอกจากการเพิ่มความแม่นยำในการตรวจจับด้วยการเรียนรู้เชิงลึกแล้ว เทคโนโลยี AI ยังสามารถแก้ไขปัญหาที่เกี่ยวข้องกับแหล่งกำเนิดแสงที่ส่งผลต่อประสิทธิภาพการตรวจสอบได้อีกด้วย ระบบ AOI แบบดั้งเดิมมักมีข้อจำกัดเนื่องจากสภาพแสง มุมกล้อง เงาสะท้อน และวัสดุหรือรูปร่างของวัตถุที่ตรวจสอบ (โดยเฉพาะวัสดุกึ่งโปร่งใสและพื้นผิวโลหะ) ซึ่งเป็นอุปสรรคต่อความแม่นยำในการตรวจจับ ในขณะที่ AI ไม่ได้พึ่งพาแหล่งแสงมากนัก ขอเพียงแสงมีความเสถียร AI ก็สามารถตรวจจับและจำแนกข้อบกพร่องได้อย่างแม่นยำ แม้ในกรณีที่เส้นขอบเบลอ รูปร่างต่างกัน หรือมีการสะท้อนแสงจากโลหะ
AI มีความโดดเด่นในการตรวจจับข้อบกพร่องบนพื้นผิวและรูปลักษณ์ที่ซับซ้อน เช่น รอยบุบและรอยขีดข่วนบนวัตถุสะท้อนแสง นอกจากนี้ยังเชี่ยวชาญในการทำ OCR (การรู้จำอักขระด้วยแสง) แม้ตัวอักษรจะผิดรูปหรืออ่านยาก อีกทั้งยังสามารถตรวจจับรูปแบบและข้อบกพร่องที่ไม่สามารถคาดเดาได้ ไม่ว่าจะมีความแตกต่างของสี ขนาด รูปทรงที่ซับซ้อน หรือกระจายแบบสุ่ม AI ก็สามารถวิเคราะห์ข้อมูลอย่างครอบคลุมและตรวจจับข้อบกพร่องได้อย่างแม่นยำ
ดังนั้น ระบบการมองเห็นด้วย AI จึงเหนือกว่าระบบ AOI แบบใช้กฎดั้งเดิม ทั้งในด้านความเร็ว ความแม่นยำ และต้นทุนแรงงาน พร้อมตอบโจทย์การตรวจจับและจำแนกผลผลิตที่ซับซ้อน
เนื่องจากความรู้เฉพาะทางแตกต่างกันในแต่ละอุตสาหกรรม วิศวกร AOI แบบดั้งเดิมที่พัฒนาโซลูชันให้แต่ละอุตสาหกรรมจึงอาจเผชิญกับความท้าทายในการแก้ไขปัญหาในสายการผลิตจริงได้อย่างทันท่วงที การแก้ปัญหาอย่างมีประสิทธิภาพจึงมักต้องอาศัยความร่วมมือกับผู้เชี่ยวชาญในอุตสาหกรรมนั้น ๆ เพื่อออกแบบฮาร์ดแวร์และกฎของ AOI ให้ตรงตามความต้องการ ในทางกลับกัน ระบบตรวจจับข้อบกพร่องด้วย AI จะเรียนรู้คุณสมบัติของภาพที่จำเป็นต่อการตรวจสอบผ่านอินเทอร์เฟซ และเมื่อฝึกสำเร็จ AI ก็สามารถสร้างกฎการตรวจสอบได้โดยอัตโนมัติ ซึ่งแสดงให้เห็นถึงความแตกต่างอย่างชัดเจนทั้งในด้านประสิทธิภาพการเรียนรู้และศักยภาพในการทำงาน
นอกจากการเพิ่มความแม่นยำในการตรวจจับด้วยการเรียนรู้เชิงลึกแล้ว เทคโนโลยี AI ยังสามารถแก้ไขปัญหาที่เกี่ยวข้องกับแหล่งกำเนิดแสงที่ส่งผลต่อประสิทธิภาพการตรวจสอบได้อีกด้วย ระบบ AOI แบบดั้งเดิมมักมีข้อจำกัดเนื่องจากสภาพแสง มุมกล้อง เงาสะท้อน และวัสดุหรือรูปร่างของวัตถุที่ตรวจสอบ (โดยเฉพาะวัสดุกึ่งโปร่งใสและพื้นผิวโลหะ) ซึ่งเป็นอุปสรรคต่อความแม่นยำในการตรวจจับ ในขณะที่ AI ไม่ได้พึ่งพาแหล่งแสงมากนัก ขอเพียงแสงมีความเสถียร AI ก็สามารถตรวจจับและจำแนกข้อบกพร่องได้อย่างแม่นยำ แม้ในกรณีที่เส้นขอบเบลอ รูปร่างต่างกัน หรือมีการสะท้อนแสงจากโลหะ
AI มีความโดดเด่นในการตรวจจับข้อบกพร่องบนพื้นผิวและรูปลักษณ์ที่ซับซ้อน เช่น รอยบุบและรอยขีดข่วนบนวัตถุสะท้อนแสง นอกจากนี้ยังเชี่ยวชาญในการทำ OCR (การรู้จำอักขระด้วยแสง) แม้ตัวอักษรจะผิดรูปหรืออ่านยาก อีกทั้งยังสามารถตรวจจับรูปแบบและข้อบกพร่องที่ไม่สามารถคาดเดาได้ ไม่ว่าจะมีความแตกต่างของสี ขนาด รูปทรงที่ซับซ้อน หรือกระจายแบบสุ่ม AI ก็สามารถวิเคราะห์ข้อมูลอย่างครอบคลุมและตรวจจับข้อบกพร่องได้อย่างแม่นยำ
ดังนั้น ระบบการมองเห็นด้วย AI จึงเหนือกว่าระบบ AOI แบบใช้กฎดั้งเดิม ทั้งในด้านความเร็ว ความแม่นยำ และต้นทุนแรงงาน พร้อมตอบโจทย์การตรวจจับและจำแนกผลผลิตที่ซับซ้อน
กรณีศึกษาการตรวจจับข้อบกพร่องด้วย AI
ในอุตสาหกรรมยา สายการผลิตแผงบรรจุยาแบบก้อนตุ่มมักดำเนินการที่ความเร็วระหว่าง 5,000 ถึง 40,000 เม็ดต่อชั่วโมง อย่างไรก็ตาม อาจเกิดความผิดพลาดในการบรรจุ เช่น ช่องว่างเปล่า เม็ดยาคุณภาพต่ำ หรือผงยารั่วไหลจากแคปซูล โดยการฝึก AI ในระบบ SolVision ด้วยภาพข้อบกพร่องหลากหลายประเภท จะทำให้สามารถระบุ ติดป้าย และจำแนกแต่ละแผงและสภาพการบรรจุได้อย่างรวดเร็วและแม่นยำ