集成了機器學習與機器視覺的系統可應用在多個制造業范疇，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，形成封閉式的循環系統，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，咨詢機構ARC Adivisory Group指出，機器視覺可在制造過程中進行物件偵測、掃描、尺寸丈量或檢測等，已成為智能工廠在制造或品管方面的關鍵科技之一，并快速成為工業4.0浪潮中智能工廠架構的基石。
        機器視覺系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，然而造成潛在限制的是為特定視覺導引或檢測程序所開發的程序編寫，目前機器視覺系統尚未訓練出辨識工件出現不預期變量的能力。          機器學習已被用于增加機器視覺的能力，將兩者集成的系統已被證實可藉大數據分析加強工業自動化與檢測過程；更先進的分析透過云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，并可自動更新機器視覺系統的辨識算法，無須人力干預。
         這種封閉式循環系統在多個產業，如食品／飲料、汽車及電子制造業等，都可用來辨識肉眼所看不到的瑕疵，并有助實時改進制造過程。         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，并征聘可真正發揮附加價值的員工。

返回列表