博客

此时此刻，我们正处于人类科技以爆炸性速度发展的奇点上，大家都在猜测AI的能力究竟有多大，未来是否真的会发展到人类完全无法理解的水平。当有人感到兴奋、有人感到惊慌的同时，更多的是全球许多领先企业和制造业已经抢先一步将AI人工智能应用于工厂和生产线，生怕慢了对手一步就错失良机。

想理解深度学习（Deep Learning, DL），最简单的解释，可以将深度学习视为机器学习的一部分。如果进一步定义，深度学习是机器学习的进化版，是数据科学中的关键组成部分。

人工智能（Artificial Intelligence, AI）是电脑科学的范畴，是指电脑、程序等系统及机器，自行通过数据分析进行推论，模拟如人类的思考逻辑、执行策略的前沿技术。以浅显的语句来说，AI人工智能的终极目标，就是让电脑拥有像人类一般的思考判断能力。

订单从过去的“少样多量”变成如今的“多样少量”弹性生产，待测物件的尺寸、外形、材质等复杂度随之提高，甚至出现定义不明的瑕疵。而传统 AOI 需要先定义瑕疵样本，并以设定好的参数作为判断基准，无法灵活快速做出判断，导致漏检率大幅增加。在此情况下，AI 的崛起推动了机器视觉的进化，其“拟人化”技术成为新的解决方案。

AOI（Automated Optical Inspection）自动光学检查，是依靠机器视觉作为识别的技术，用以改良或弥补人力用光学检测的种种缺点，现今已被应用在各式各样的产业中。AOI最主要的功能为瑕疵检测、尺寸量测、定位贴合，包括高科技产业、半导体、生技医疗、食品等。

AI 机器视觉是人工智能的一个分支，使机器像人一样“看懂”图像与物体后进行判断与决策，常用于工业自动化与机器人领域，如：视觉瑕疵检测、3D 视觉定位等，也是新兴的 AR + AI 视觉系统技术核心。

在部分复杂物体识别上，单靠 3D 视觉的精度与准确度仍然存在困难，例如：复杂形状的半透明奶嘴位置识别、小零件/高精度金属件的机器人夹取。若将 AI 与 3D 视觉系统进一步整合，可增强其识别能力，使机器人能够以正确的方向和位置取放物体。