瑕疵檢查 AI 品檢系統 VIAGO 機器視覺新里程_EDM

VSK 評估流程

1. 樣品收件：請提供 OK 樣品 30 件以上、各類 NG 樣品各 10 件以上；若 NG 種類雜，建議考慮 Blue Tool 異常偵測路線。
2. 工程測試：VSK 工程師於 ViDi / Edge Learning 平台做 POC，比較 Red Tool 與 Blue Tool 在貴司樣品上的表現。
3. 選型建議：依產線節拍、解析度需求、預算，推薦 In-Sight 2800、In-Sight D900 或 PC-based VisionPro Deep Learning。
4. 報價與整合：含硬體、深度學習授權、標註工具教育訓練；模型上線後若遇新瑕疵類型，貴司工程師可自行追加樣本再訓練。

Cognex 技術原理

AI 品檢系統的核心是 ViDi 深度學習四工具：Locate（定位 / 計數）、Analyze（瑕疵像素分割，可細分為 Red Tool 監督式與 Blue Tool 異常偵測）、Classify（影像分類）、Read（深度學習 OCR）。其中 Blue Tool 是 ViDi 較少被提到的隱藏王牌——只需 OK 樣品（不需 NG）即可訓練，模型會學習「正常」的紋理分佈，遇到未見過的瑕疵自動標記為異常，特別適合 NG 樣品難以收集的場景（例如金屬件刮傷類型多到列不完）。在輕量端，In-Sight 2800 的 Edge Learning 是「規則式工具寫不出來，但又不想搬出完整深度學習」的中間方案；在高解析端則由 In-Sight D900 與 VisionPro Deep Learning 處理。導入時最關鍵的是樣品收集與標註策略，VSK 工程師會協助規劃〔以實機 POC 結果為準〕。

典型應用產業

• 金屬加工：沖壓件、車削件表面刮傷、凹痕、氧化變色的瑕疵分類。
• 紡織印染：布面瑕疵（破洞、脫線、染色不均）的像素級瑕疵分割。
• PCB / FPC：絲印瑕疵、銅箔氧化、阻焊膜異常的非規則瑕疵分類。
• 食品烘焙：自然紋理變異大的麵包、餅乾外觀 OK / NG 分類。
• 製藥錠劑：崩花、刻痕模糊、表面斑點的低對比瑕疵判定。
• 橡塑膠成形：射出件流痕、縮水、毛邊等表面瑕疵分類。

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

本期電子報介紹瑕疵檢查 AI 品檢系統 VIAGO——機器視覺發展的新里程。傳統規則式視覺面對「人看得出來但難寫規則」的瑕疵類型時，往往陷入工程師反覆調參數的困境；AI 品檢系統把這類問題交給深度學習模型處理，工程師專注在樣品收集與分類標註。

AI 品檢系統的導入流程通常包含：收集 OK / NG 樣品影像、進行分類標註（哪些是瑕疵、哪些是良品）、訓練深度學習模型、上線後依據實際誤判持續調整訓練集。適用場景包含：金屬件表面刮傷、紡織品瑕疵、印刷品質異常、複雜表面紋理判別、不規則形狀瑕疵分類等。Cognex VIDI / In-Sight L38 系列深度學習工具 在這類場景提供完整流程支援。

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。