อิเล็กทรอนิกส์13 มิถุนายน 2568

ใช้เพียงภาพเดียว: DaoAI จัดการ 2 ความท้าทายหลักในการตรวจจับข้อบกพร่องอย่างไร

ไม่จำเป็นต้องมีชุดข้อมูลภาพ Defect จำนวนมาก โมเดลเฉพาะของ DaoAI เอาชนะปัญหาความผันแปรของแสงและสี ช่วยให้...

One Image Is All It Takes: How DaoAI Tackles Two Major Challenges in Defect Detection

ไม่ต้องพึ่งพาชุดข้อมูลของเสียจำนวนมาก โมเดลลิขสิทธิ์เฉพาะของ DaoAI ก้าวข้ามปัญหาความผันแปรของแสงและสี ช่วยให้ลูกค้าติดตั้งระบบตรวจสอบด้วยสายตาได้อย่างรวดเร็วและมีประสิทธิภาพ

ความท้าทายที่แท้จริงในการตรวจจับของเสียไม่ใช่โมเดล แต่คือข้อมูล

สำหรับผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์หลายราย อุปสรรคใหญ่ที่สุดในการนำ AI มาใช้ตรวจจับของเสียไม่ใช่ตัวโมเดล แต่เป็นภาระในการเตรียมข้อมูลและการปรับตัวเข้ากับสภาพแวดล้อมการผลิตที่ซับซ้อน

โซลูชันของ DaoAI ได้รับการออกแบบมาเพื่อแก้ปัญหาหน้างานจริงเหล่านี้โดยเฉพาะ

แนวทางของเรา:
เทรนด้วยภาพชิ้นงานดีเพียงภาพเดียว—และยังคงตรวจจับของเสียได้อย่างแม่นยำ

ระบบ AOI ของ DaoAI ไม่จำเป็นต้องใช้ภาพของเสียหรือการกำกับข้อมูลด้วยตนเอง เพียงเรียนรู้จากภาพชิ้นงานมาตรฐาน (Golden Sample) เพียงภาพเดียว ระบบจะสร้างโมเดลอ้างอิงพื้นฐานโดยอัตโนมัติและแจ้งเตือนทุกพื้นที่ที่ผิดเพี้ยนไปจากรูปแบบปกติ ตรวจจับความผิดปกติได้อย่างมีประสิทธิภาพโดยไม่ต้องมีตัวอย่างของเสียมาก่อน 

5 สถานการณ์จำลองสำคัญบนแผงวงจรอิเล็กทรอนิกส์

Untitled.001-Jun-13-2025-02-01-40-8769-AM

แม้โทนแสงจะเปลี่ยนไปเล็กน้อย โมเดลยังคงเสถียร—สามารถรักษาและประมวลผลพื้นผิวสำคัญได้อย่างถูกต้อง

โมเดลแสดงให้เห็นถึงความทนทานต่อความผันแปรของสี โดยยังคงความแม่นยำและไม่ระบุว่าสีที่เปลี่ยนไปคือของเสีย

Untitled.003-2

โมเดลแบบ Unsupervised ระบุพื้นที่ผิดปกติได้สำเร็จ สอดคล้องกับตำแหน่งของเสียจริงอย่างแม่นยำ

แม้ไม่มีการติดป้ายกำกับข้อมูล โมเดลยังสามารถตรวจจับความผิดปกติที่มีความละเอียดสูงในพื้นที่ท้าทายเหล่านี้ได้อย่างสม่ำเสมอ

ส่งผล—การคลาดเคลื่อนของตำแหน่งทำให้ความแม่นยำลดลง อย่างไรก็ตาม ด้วยกระบวนการจัดเตรียมข้อมูลภาพที่เหมาะสม ประสิทธิภาพของโมเดลสามารถเพิ่มขึ้นได้อย่างชัดเจน

ระบบ AOI ของ DaoAI ทำงานได้อย่างน่าเชื่อถือแม้ไม่มีภาพของเสีย และทำงานได้ภายใต้สภาวะหน้างานที่มีความผันแปรสูง เป็นโซลูชันที่ใช้งานได้จริง สร้างขึ้นเพื่องานประกอบชิ้นส่วนอิเล็กทรอนิกส์ การตรวจสอบ PCB และสายการผลิตแบบโมดูลาร์ รองรับการติดตั้งที่รวดเร็วโดยใช้ข้อมูลน้อยที่สุด

ติดต่อเรา—เราพร้อมให้การสนับสนุนในด้าน:

 

คลิกที่นี่เพื่อติดต่อเรา:

FAQ

1. อะไรทำให้ระบบตรวจจับของเสียของ DaoAI แตกต่างจากโมเดล AI ทั่วไป?

ระบบของ DaoAI ขจัดความจำเป็นในการใช้ชุดข้อมูลของเสียจำนวนมากและการกำกับข้อมูลด้วยตนเอง ด้วยการเทรนจากภาพชิ้นงานมาตรฐานเพียงภาพเดียว ระบบจะสร้างโมเดลอ้างอิงพื้นฐานเพื่อตรวจจับความผิดปกติ ช่วยประหยัดเวลาและลดภาระในการเตรียมข้อมูลที่มักจำเป็นในโมเดล AI ทั่วไป

2. ระบบ AOI ของ DaoAI สามารถรองรับการเปลี่ยนแปลงของสภาพแสงและสีได้หรือไม่?

ได้ โมเดลลิขสิทธิ์เฉพาะของ DaoAI ถูกสร้างขึ้นมาให้ทนทานต่อความผันแปรของแสงและสี สามารถรักษาความแม่นยำสูงได้แม้โทนแสงหรือสีของ PCB จะเปลี่ยนไป ซึ่งเป็นสภาวะที่เกิดขึ้นจริงในสภาพแวดล้อมการผลิต

3. DaoAI ตรวจจับของเสียได้อย่างไรโดยไม่ต้องมีข้อมูลที่ผ่านการกำกับ (Label)?

ระบบใช้การเรียนรู้แบบ Unsupervised โดยอิงจากภาพที่ไร้ของเสียเพียงภาพเดียว จากนั้นจะแจ้งเตือนความผิดเพี้ยนของพิกเซลหรือรูปแบบที่ต่างไปจากภาพมาตรฐานว่าเป็นจุดที่มีแนวโน้มเป็นของเสีย ทำให้ระบุความผิดปกติได้อย่างมีประสิทธิภาพโดยไม่ต้องใช้ตัวอย่างของเสียหรือการกำกับข้อมูลโดยมนุษย์

4. โมเดลนี้สามารถใช้งานในพื้นที่สำคัญอย่าง Busbar หรือบริเวณขั้วต่อ (Electrode) ได้หรือไม่?

สามารถทำได้อย่างแน่นอน ระบบของ DaoAI ผ่านการทดสอบในจุดวิกฤต เช่น บริเวณ Busbar และขั้วต่อไฟฟ้า ซึ่งเป็นจุดที่มีความท้าทายเนื่องจากมีความแปรผันของภาพเพียงเล็กน้อย และระบบสามารถตรวจจับความผิดปกติที่มีความละเอียดสูงในพื้นที่ซับซ้อนเหล่านี้ได้อย่างต่อเนื่อง

5. ระบบ AOI ของ DaoAI เหมาะกับใครมากที่สุด?
โซลูชันนี้เหมาะอย่างยิ่งสำหรับผู้ผลิตชิ้นส่วนอิเล็กทรอนิกส์ ผู้ตรวจสอบ PCB และสายการประกอบที่ต้องการการติดตั้งที่รวดเร็ว ใช้ข้อมูลเทรนน้อยที่สุด และให้ประสิทธิภาพที่เสถียรภายใต้สภาพแวดล้อมการผลิตที่มีความเปลี่ยนแปลง

Ready to Upgrade Your AOI?

ดูว่าระบบ AOI ขับเคลื่อนด้วย AI ของ DaoAI ช่วยลด False Reject ย่นเวลาการเขียนโปรแกรม และคุ้มค่าแก่การลงทุนอย่างไร

เรียนรู้เพิ่มเติมเกี่ยวกับ DaoAI P Series

ที่เกี่ยวข้อง

สมัครรับข่าวสารเพื่อรับเนื้อหาที่ดีกว่าในกล่องจดหมายทันที

ข้อมูลเชิงลึกด้านการตรวจสอบด้วย AI ข่าวผลิตภัณฑ์ และบทวิเคราะห์อุตสาหกรรม เดือนละครั้ง เน้นสาระ

เราใช้ข้อมูลของคุณเพื่อตอบกลับข้อซักถามของคุณ ดูนโยบายความเป็นส่วนตัวของเรา