回饋學習教得越多，就越聰明。
每一則操作員回饋都很重要。回報誤報與缺陷，協助 AI 學習哪些可接受、哪些需要注意。
一鍵將誤判轉為訓練範例生產時直接在複判畫面回報，資料不離開機台。
80%減少誤報相較於規則式基準，表現更佳，並隨每份報告持續改善。
持續學習每輪回饋都讓模型更進步。檢視誤報後更新，或在生產期間收集回饋，稍後再更新。
您提供回饋，AI 從中學習。
步驟 01 · 操作員
標記為 OK 或 NG
將元件標記為 OK 或 NG。您的回饋可套用至同組其他元件。
步驟 02 · 操作員
選擇 AI 學習來源
啟用訓練，將此回饋納入模型更新。停用時僅記錄回饋，不用於訓練。
步驟 03 · AI
更新 AI
執行 AI 更新，從選取的回饋中學習並自動調整檢測參數。
步驟 04 · 機台
重新檢測
再次檢測電路板並查看更新結果。
相同料號，不同供應商。
即使料號相同，不同供應商的元件本體形狀或標記也可能不同。將可接受的差異標記為合格，讓 AI 學會在整個元件群組中辨識這類變化。
差異不等於缺陷
批次間的標記字型或本體顏色差異，不一定代表缺陷。您的回饋可教導 AI 辨識可接受的變化，同時持續檢測翹腳、焊錫橋接與缺件。
更新不會更動您的手動設定。
保留您的設定
更新會保留您自行設定的所有項目。
手動設定優先
若您的設定與更新不一致，將保留您的設定。
產線優先
更新配合產線，不讓產線等待更新。
復原更新
不是想要的結果？還原即可。
我們與其他方案的差異。
同一個誤報，三種處理方式。
調整閾值手動
一般 AI AOI供應商重新訓練並交付模型
DaoAI回饋與 AI 更新
實際改變了什麼
所有依該參數判定的項目，允收範圍都會放寬
機台上不會有任何變更。請求會送至供應商，已部署的模型則維持原狀。
模型持續學習它會新增一個該元件正常外觀的樣本
對實際缺陷的影響
加寬帶狀區域內的缺陷也會判為合格
下一個模型推出前無從得知，而且它未針對您的缺陷進行訓練
仍能檢出分數相近的缺陷，仍在目前的正常範圍之外
判定在哪裡進行
有人改過的數值，卻未一併記錄原因
由供應商掌握，存於您無法持有的資料集中
在您的資料集中產品資料集中的已標註範例，附有影像
變更範圍
該參數控制的所有項目，無論是否符合您的本意
重新訓練造成的所有變更，涵蓋使用該模型的每座工廠
您選擇的群組單一位號、類別、料號或封裝
誰能執行
任何有權變更檢測參數的人員
一位 AI 工程師，通常由對方提供
任何操作員無須程式修改權限，即可回報檢測判定
長期
閾值維持寬鬆，原因未記錄
您得等待版本發布，影像也可能必須傳出廠區才能完成更新
徹底解決模型多學一個範例，就不再對該元件誤報
每次都會被問到的四個問題。
要回報幾次，才不再誤報那個元件？
取決於檢測項目及元件外觀的差異程度。當產品累積足夠樣本、值得更新時，機台會通知您。
回報誤報會變更檢測程式嗎？
不會。回報只會新增一個範例。只有具備權限的人員執行更新時，程式才會變更，而且可以復原。
重新訓練時需要停線嗎？
不會。更新會配合產線等待，不會讓產線等更新。
更新會覆寫工程師設定的閾值嗎？
不會。機台會保留所有手動設定。
查看如何修正誤報。
與工程師一起使用您的電路板進行 30 分鐘即時示範。回報誤判、執行 AI 更新，再次檢測電路板以確認結果。
程式設定 & 學習：下一項完整掌控 →
想掌握更多控制權？從個別閾值到各元件使用的工具，您都能自行調整檢測設定。