所羅門AI機器視覺部落格

在現代商業環境中，物流公司面臨各種障礙，這些障礙影響了其效率，降低了客戶滿意度，並使其難以滿足不斷變化的消費者需求。 幸運的是，人工智能 ( AI ) 可以通過優化物流分揀過程來幫助克服這些障礙。 AI 技術可以幫助物流公司優化其分揀程序，提高準確性，降低成本。

半導體行業在過去幾十年中迅速發展，變得越來越複雜和復雜，自動化已成為其中的一個重要方面。 自動化幫助半導體公司快速高效地生產高質量的產品，減少各種過程所需的時間， 提高準確性，減少錯誤，並降低勞動力成本，改善工人安全性。 在本文中，我們將探討半導體行業中三種最常見的自動化解決方案。

應用 AOI 檢測最多的 PCB 產業，往往會因為保證產品良率而調高 AOI 參數，設定成相當嚴格，此舉會導致 AO 相當敏感，便會產生過殺（Over Kill）的現象，但是透過 AI 軟體，可以藉由經驗法則來學習判斷，可以因應外在變化而達成自我調整，進一步有效判斷未曾看過的瑕疵集成像。

AI 機器視覺是人工智慧的一個分支，使機器和人一樣「看懂」圖像與物件後進行判斷與決策，常用在工業自動化與機器人領域如: 視覺瑕疵檢測、3D 視覺定位等，也是新興的 AR + AI 視覺系統技術核心。

AOI（Automated Optical Inspection）自動光學檢查，是依靠機器視覺作為辨識的技術，用以改良或彌補人力用光學檢測的種種缺點，現今已被應用在各式各樣的產業中，AOI 最主要的功能為瑕疵檢測、尺寸量測、定位貼合，包括高科技產業、半導體、製藥、食品等，AOI 在工業自動化中扮演著重要的角色，目前 AOI 最常被應用的產業分別是 PCB 和面板顯示器產業，兩者佔比約為 64% 和 15%。

想理解深度學習（Deep Learning, DL），最簡單的解釋，可以將深度學習視為機器學習，若更進一步的定義，深度學習就是機器學習的進化版，是資料科學中的組成關鍵。

介紹工業環境中的光學字元辨識（OCR），包括其運作原理、主要應用、系統類型、挑戰，以及 AI 視覺檢測應用案例。

機器學習（Machine Learning, ML），即是人工智慧的分支，主要是透過系統將蒐集來的大量數據資料依序分類，透過演算法識別資料中的模式，產出模型加以學習改進，進而做出最佳的決策及預測。

人工智慧（Artificial Intelligence, AI）是電腦科學的範疇，是指電腦、程式等系統及機器，自行透過數據分析進行推論，模擬如人類的思考邏輯、執行策略的先端技術。以淺顯的語句來說，AI 人工智慧的終極目標，就是讓電腦擁有像人類一般的思考判斷能力。