AI 重點懶人包 一次搞懂_EDM

VSK 評估流程

1. 樣品收件：提供 OK / NG 樣品。若 NG 規則明確（例如有缺角 / 沒缺角），先試規則式；若 NG 多樣難描述，直接試 AI 路線。
2. 工程測試：VSK 工程師於 In-Sight 平台同時跑規則式工具（PatMax / Blob / OCRMax）與 Edge Learning / ViDi，比較準確率、誤判率與速度。
3. 選型建議：依檢測複雜度推薦 In-Sight 2800（Edge Learning）、In-Sight 3800（規則式高速） 或 In-Sight D900（完整 ViDi）。
4. 報價與整合：含硬體、軟體授權、教育訓練。若採 AI 路線，含標註工具操作教學，讓貴司工程師能自行維運模型。

Cognex 技術原理

傳統規則式視覺與 AI 視覺在 Cognex 平台上不是互斥而是互補。規則式工具核心是 PatMax 幾何特徵比對（不受光線、角度、縮放影響的定位）、Blob 像素統計（量測面積、計數）、OCRMax（規則式字元辨識）；這些工具在「規則寫得出來」的場景速度快、可解釋、不需樣本。當瑕疵類型千變萬化、規則寫不完時，就改用 ViDi 深度學習四工具 Locate / Analyze / Classify / Read，或在輕量端用 Edge Learning（只需 5–10 張樣本）。實務上常見的混搭：用 PatMax 先定位產品，再用 ViDi Analyze 做表面瑕疵分割；或用規則式工具量測尺寸，同時用 Edge Learning 做表面外觀分類。In-Sight 2800 與 In-Sight 3800 都同時內建規則式工具與 Edge Learning，工程師可在同一台機器上自由組合。

典型應用產業

• 半導體：尺寸量測（規則式）+ 表面瑕疵分類（AI）混搭，兼顧速度與彈性。
• 汽車組裝：零件有無、定位（規則式）+ 自然紋理變異判定（AI）。
• PCB 製造：銅箔線寬量測（規則式）+ 絲印瑕疵 / 阻焊膜異常分類（AI）。
• 製藥：藥粒計數、批號 OCR（規則式）+ 藥錠表面瑕疵判定（AI）。
• 食品飲料：液位、貼標位置（規則式）+ 烘焙品外觀分類（AI）。
• 民生用品：包裝完整性（規則式）+ 印刷品色差 / 缺墨分類（AI）。

與威視康技術團隊聯繫

👉 您的視覺檢測需求由VSK 工程師團隊接手｜電話 +886 2-8809-3200｜線上聯絡｜查看完整 Cognex 產品線

官方參考來源

IPC-A-610 電子組裝可接受性標準｜SEMI 半導體標準｜Cognex 官方網站

延伸閱讀

• 生技製藥業 GMP 視覺檢測完整指南
• EU MDR UDI 醫材合規完整指南
• In-Sight 2800 Edge AI 視覺感測器
• Edge Learning 邊緣 AI
• 機器視覺多少錢？2026 完整預算解析

本期重點

本期電子報是 AI 機器視覺的入門懶人包——AI 與傳統視覺差在哪、什麼情境該用 AI、什麼情境傳統規則式視覺就夠用？這些是工程師導入前最常問的問題，本期一次釐清。

傳統規則式視覺擅長處理「規則明確」的檢測——量測尺寸、判斷有無、比對位置；缺點是面對自然變異（紋理、瑕疵形狀、光澤）難以寫出規則。深度學習視覺擅長「人看得出來但難用規則描述」的情境，例如表面瑕疵、複雜紋理、字元辨識（變形 OCR）、多品項分類。Cognex VIDI / In-Sight L38 系列深度學習工具 將深度學習包裝成可直接由工程師操作的介面，不必親自寫神經網路即可訓練模型。實務上常見的做法是傳統工具與 AI 工具並用，各自處理強項。

VSK 威視康為 Cognex 康耐視官方 PSI 認證系統整合商，提供 In-Sight 智慧相機、DataMan 條碼讀取器、VisionPro 軟體 完整方案。提供 OK / NG 樣品照片，工程師將與您聯繫並免費評估貴司產線需求。