，因?yàn)楝F(xiàn)場人員對(duì)瑕疵的認(rèn)知不同，因此即便是已然自動(dòng)化的機(jī)械視覺，仍會(huì)存在因體系設(shè)定或現(xiàn)場質(zhì)管人員不同
，造成出貨產(chǎn)品質(zhì)量無法一致性的問題
，要辦理此一問題
，臺(tái)達(dá)指出深度學(xué)習(xí)將會(huì)是非常佳方式
。
純 AOI 體系將快速消失，結(jié)合 AI 成轉(zhuǎn)型環(huán)節(jié)
將深度學(xué)習(xí)導(dǎo)入至產(chǎn)線檢測(cè)，對(duì)制造業(yè)與體系提供商兩頭來說
，都可提升事情服從
。在使用者端，視覺檢測(cè)體系可以省下大量人眼檢點(diǎn)的老本
，機(jī)械視覺軟硬件架構(gòu)的精確率與校驗(yàn)速率，已遠(yuǎn)遠(yuǎn)超過人眼
，而且設(shè)定實(shí)現(xiàn)后
，即可長時(shí)間不中斷且以一致標(biāo)準(zhǔn)的事情
，將可為制造業(yè)者省下大量的人力老本
。
過往的機(jī)械視覺體系，每一次上線都必需接續(xù)調(diào)整設(shè)定
，在智能制造概念中，產(chǎn)線必需可快速回應(yīng)訂單
，彈性調(diào)整制造內(nèi)容，現(xiàn)行機(jī)械視覺檢測(cè)的繁復(fù)設(shè)定將難以滿足彈性化制造需要
，深度學(xué)習(xí)架構(gòu)只要事前通過訓(xùn)練
，即可快速上線使用
，且還能自主學(xué)習(xí)
，體系可以自動(dòng)找出非常佳的 OK/NG 參數(shù)，無謂再由人員調(diào)整
，在此狀況下，各裝備的瑕疵檢測(cè)標(biāo)準(zhǔn)將可一致性
，不會(huì)因品牌
、使用時(shí)間的不同發(fā)生差別。
至于體系整合商，應(yīng)用人工智能也將強(qiáng)化環(huán)境趨勢(shì)角逐力
。人工智能在視覺檢測(cè)環(huán)境趨勢(shì)正加快遍及
，純 AOI 體系在制造業(yè)的角逐力將會(huì)快速消失
，但是臺(tái)達(dá)也指出，當(dāng)今環(huán)境趨勢(shì)對(duì)人工智能的導(dǎo)入也有迷思
，多數(shù)廠商覺得將 AOI 全面替代為人工智能，將可登時(shí)降低漏檢與誤判機(jī)率
，然而這種一步到位的年頭在現(xiàn)實(shí)狀況中并不可行
，反而會(huì)讓漏檢和誤檢率大幅增加
，建議應(yīng)該保存現(xiàn)行 AOI 功效并結(jié)合人工智能
，才氣迭加兩者的優(yōu)勢(shì)。
產(chǎn)品漏檢率趨近于零，誤判率極低
臺(tái)達(dá)針對(duì)視覺檢測(cè)所推出的 DAVS 就是以人工智能為核心的輸送體系，此體系可以結(jié)合既有的 AOI 體系，讓既有裝備可延伸使用年限
，以此保證制造業(yè)者過去的投資
，而人工智能與 AOI 整合的模式，也提升了產(chǎn)品的檢出率
。
以SMT用電感(用于手機(jī)/小型化PCB)為例，除非是緊張裂紋，否則傳統(tǒng)的 AOI 體系常無法校驗(yàn)印象中的線條是原有紋路或裂縫
，且AOI對(duì)其中度裂紋的檢出率小于 50％，輕微裂紋檢出率更是在 5％ 以下
，加裝 DAVS 以后，檢出率大幅提升
，不但漏檢率為零
，誤判率更低于 0.3％
。
臺(tái)達(dá)指出，工業(yè) 4.0 夸大產(chǎn)線彈性化與快速自主學(xué)習(xí)，DAVS 通過人工智能與 AOI 的結(jié)合
，以深度學(xué)習(xí)辦理了當(dāng)今 AOI 體系難以檢測(cè)的產(chǎn)品瑕疵
，同時(shí)讓漏檢率趨近于零，到達(dá)超高檢出率需要
，藉此提升出貨產(chǎn)品質(zhì)量。
別的 DAVS 輕易安置的特點(diǎn) ，可讓檢控裝備建置在產(chǎn)線中的每一個(gè)緊張環(huán)節(jié)
，一旦制造過程中出現(xiàn)錯(cuò)誤
，體系就可登時(shí)提醒改進(jìn)
，避免將錯(cuò)誤累積到非常后檢測(cè)端，造成更大的老本鋪張
，也因?yàn)?DAVS 可大幅削減人力與管理老本，其投資可在 0.8～1.5 年之間收購
。臺(tái)達(dá)以本身打造AOI裝備的踏實(shí)經(jīng)驗(yàn)
，建議制造業(yè)者可依本身需要，于AOI裝備加裝建置便當(dāng)?shù)娜斯ぶ悄芤曈X檢測(cè)體系
