數年前，當“阿爾法狗”擊敗人類頂尖圍棋高手時，人們就開始憧憬著AI為世界帶來改變的那一天。期待著AI能夠達到或者至少接近人類基本的識別和判斷能力，從而將人們從繁雜的工作中解放出來。實際上，隨著液晶面板、PCB板、半導體晶圓等產品生產工藝的發展，產品微小化、復雜化的趨勢，以及電子行業整體對智能化變革的需求，智能化的機器檢測技術也逐漸發揮著越來越重要的作用。

以在電子行業應用率較高的AOI（自動光學檢測）技術為例，就是采用了機器視覺替代人眼檢測的方法。先將疑似有缺陷產品篩查出來，然后用人工方式來判別缺陷的種類和位置。只是這種方法仍然需要消耗較高的人力和時間成本。而癥結就在于，機器視覺技術本身只能按照給定的標準檢測，不符合就是不合格。卻很難對具體的缺陷問題和類別進行自動分類，也無法實現“經驗積累”。因此，每當有新產品導入時，AOI需要復雜的參數設置與長時間人員培訓才具有缺陷檢測與分類能力。

針對這一情形，臺達應用深度學習和人工智能技術，研發了自動缺陷分類系統。讓機器在檢測出缺陷的同時，也可以同步根據缺陷的問題和位置，對不合格品加以分類。并在這一過程中，不斷累積經驗、獲得成長。進而顯著提升缺陷辨識率、缺陷分類正確率和檢測效率。臺達自動缺陷分類系統是結合人工智能與大數據分析技術的智能化視覺檢測方案，通過機器學習技術，構建缺陷快速學習、準確分類、精準判別和準確定位的系統，產品缺陷檢測不受位置、種類困擾；新產品導入時不需要經過繁瑣的參數，自動缺陷分類系統自動獲取輸入圖片缺陷特征，并形成檢測與判別能力模型。

自動缺陷分類架構圖，可通過回饋機制持續改進模型

臺達自動缺陷分類系統

01

缺陷判定與分類

通過圖片訓練系統具備缺陷判別知識， ADC深度學習系統成為具有缺陷判斷知識的人工智能模型，具有缺陷自動分類與判別能力，能夠全覆蓋實時檢測各種生產缺陷。此外，系統同時通過人機交互修正錯誤結果，實時將修正結果反饋到ADC，讓人工智能模型強化專家知識，提升缺陷判別效果。

02

柔性信息整合平臺

采用模塊化、以最小必要單元進行架構開發，功能可任意置換，可便捷嵌入定制化功能，并通過臺達影像分析平臺管理影像分析算法，滿足客戶新增定制化功能。

03

訓練數據搜集工具

提供易于操作的標注工具，使用者在簡單易用與流暢操作接口下，高效、便捷地搜集訓練數據。未來，也可搭配人工智能提示開展高準確度的輔助標注。同時，臺達數據擴增技術可解決實際生產中缺陷數據不易搜集等問題，降低模型所需訓練數據門坎。

自動缺陷分類系統導入流程自動缺陷分類系統由線下服務和在線服務組成。線下服務提供智能標注工具，通過將學習圖片簡單標注后，基于深度學習技術形成缺陷模型，以支持缺陷分類在線服務。而在線服務對產品圖片分析，判別其質量是否合格；若不合格則會報出判別缺陷類型、缺陷種類和缺陷位置，并將檢測結果傳輸到其他系統供分析。臺達自動缺陷分類系統，支持私有云、公有云等多種部署方式，可滿足客戶不同的需求并跨領域應用，包括需大量缺陷檢測、缺陷種類繁多和對檢測實時性要求高的產業，如陶瓷基板與被動組件檢測流程；其核心技術也可應用于對缺陷容忍度低的精致產業質量管理，如手工精品，以及自動化安防監控，如車牌辨識、人員辨識等。

臺達這一自動缺陷分類系統，目前已導入多家企業應用。如某面板廠商因其產品種類多、日產量較大、產品切換頻繁，為實現缺陷自動分類、自動判別，該面板廠導入臺達自主研發的自動缺陷分類解決方案，已經驗證了可為客戶帶來直接和間接的經濟效益。

直接經濟效益：缺陷識別速度從人工辨識的2~3s/張提升到250ms/張，產品良率提升5%-6%，漏檢率<0.5%，可替代60%的缺陷分類人員(以面板業為例)；通過缺陷類型訓練與迭代，缺陷識別率最高可達95%以上。

間接經濟效益：減少產品退貨率，降低退貨審查成本和品牌商譽損失，并通過缺陷種類和缺陷位置分析優化產品工藝和制程。