集成了機器學習與機器視覺的係統可應用在多個製造業範疇，機器視覺透過傳感器搜集數據，機器學習可藉數據增益機器視覺能力，形成封閉式的循環係統，廣泛運用在各產業的機器人可帶動機器視覺更廣泛的應用。
        據Metrology and Quality News，谘詢機構ARC Adivisory Group指出，機器視覺可在製造過程中進行物件偵測、掃描、尺寸丈量或檢測等，已成為智能工廠在製造或品管方麵的關鍵科技之一，並快速成為工業4.0浪潮中智能工廠架構的基石。
        機器視覺係統具有不同級別準確度與穩定度，光源、鏡頭分辨率、視覺算法與工件夾持方位都會影響準確度與穩定度，然而造成潛在限製的是為特定視覺導引或檢測程序所開發的程序編寫，目前機器視覺係統尚未訓練出辨識工件出現不預期變量的能力。          機器學習已被用於增加機器視覺的能力，將兩者集成的係統已被證實可藉大數據分析加強工業自動化與檢測過程；更先進的分析透過雲端與邊緣端的機器學習算法，可分析龐大的機器視覺數據，以分辨產品良好與瑕疵的模式，並可自動更新機器視覺係統的辨識算法，無須人力幹預。
         這種封閉式循環係統在多個產業，如食品／飲料、汽車及電子製造業等，都可用來辨識肉眼所看不到的瑕疵，並有助實時改進製造過程。         機器人是帶動機器視覺接納度提高的關鍵市場，不同產業對機器人都有不同的需求，以增加產量與靈活性，並征聘可真正發揮附加價值的員工。

返回列表