AOI 檢測機台採用傳統程式與AI人工智慧何者為優 ?
這兩者各有優缺點。
開發速度而言純就演算法的部分 AI的開發速度是可以快一些。
檢測速度來看就未必能分出何者比較快，需要看檢測的內容和背景的複雜度而定。
AI的優勢:
-
產品需要有足夠的瑕疵樣品，它可以快速地做學習，高效能的AI可以在2分鐘左右就學習完100PCS 5M的NG照片。並且可以產生原始碼加入系統程式中。
-
產品因製程變化需要調整演算法，它一樣可以快速地做學習，並且可以產生經驗參數加入系統程式中。
-
產品需要累積經驗要調整演算法，它一樣每一批產品把NG或是誤判的部分拿來作快速學習，並且可以產生經驗參數加入系統程式中。
傳統程式的優勢:
-
當瑕疵檢測需要極高速的運作如每秒100PCS以上，這種高度優化以MCU為運算主軸時，傳統程式可以調整的空間大，有較佳的表現。
-
當瑕疵檢數量極少，產品良率都在99.7%以上時，NG的樣品取得不易，AI的方法很難處理未知的瑕疵，傳統的程式 卻可以以一般平面或是邊緣檢測的概念處理得很好。
-
當需要少量多樣時，無法經常停機做深度學習時，傳統的程式 可以以一般通面或是邊緣線做檢測，可以適應的效果較佳。
相關文章
AOI 機台評估入門
通常有經驗的廠商在機台簽約開發時就會有一份標準格式的驗收報告。以確定交機驗收時不會有爭議，有個標準訂在那邊共同遵守。難免評估者在評估中產品生產初期沒有出現的瑕疵，或是客戶端臨時要求檢測的項目。有驗收標準就不會產生爭議。
黑色油封能用AOI檢測瑕疵嗎?
在一個夏日的午後，一個業界的朋友阿雄來電詢問，「我有個有趣的問題想請問您，黑中黑的物件能不能用AOI檢測?」。 我說拿來看看才知道，也許有解。
AOI 鏡頭的選用(一)
檢測的機構通常無法精準的定位量測位置偏差小於0.01mm 反而是常常大於2mm-5mm。這時候重複精度就會變得很差。例如 樣品的圓直徑在鏡頭正下方測得50mm。與2.5D量測機台數據相當。
AOI介紹目錄