跳到主要內容
VSK 威視康 — Cognex 官方授權 PSI 系統整合商
PCB 電子 2026/05/02

電子光電產業 顯示器 / 面板 / LED / 光學元件 AI 瑕疵檢測 - Cognex In-Sight + ViDi

AI 深度學習|電子光電產業|顯示器 / 面板 / LED / 光學元件 AI 瑕疵檢測

AI 深度學習|電子光電產業|顯示器 / 面板 / LED / 光學元件 AI 瑕疵檢測。

KEY RESULTS · 關鍵成效

電子光電瑕疵檢出

導入前

85-90%(規則式)

導入後

99% 以上(ViDi)

+9-14 pp

新瑕疵類型擴充

導入前

規則式 1-2 週

導入後

ViDi 4-8 小時

20-40 倍

檢測速度

導入前

10-20 秒/件(人工)

導入後

2-5 秒/件

5-10 倍

人力配置

導入前

3-5 名 QC

導入後

0.5-1 名

年省 NT$ 150-300 萬(視個案評估)

PHOTO · 應用情境照片

應用情境照片

電子光電產業 顯示器 / 面板 / LED / 光學元件 AI 瑕疵檢測 - Cognex In-Sight + ViDi

📷 應用情境照片(同類應用參考,非本案實機影像)

CHALLENGE · 產線挑戰

電子光電產業(顯示器 / OLED 面板 / LED 模組 / 光學鏡片)對表面瑕疵與外觀檢測要求嚴格,但瑕疵類型多元(亮點 / 暗點 / Mura / 刮痕 / 異物 / 鍍膜不均)+ 材料反光與紋理變異大,傳統規則式 AOI 漏判 10-15%。

SOLUTION · 應用方案

本方案運用 Cognex In-Sight 3800(5 MP 高解析)+ VisionPro ViDi 深度學習整合電子光電產線:ViDi Analyze 無監督學習處理形狀不固定瑕疵 + Classify 分類 Mura / 點狀缺陷,從入料、製程到出貨檢驗全程 AI 視覺覆蓋。

RESULT · 導入成果

  • 電子光電瑕疵檢出:99% 以上(ViDi)(+9-14 pp)
  • 新瑕疵類型擴充:ViDi 4-8 小時(20-40 倍)
  • 檢測速度:2-5 秒/件(5-10 倍)
  • 人力配置:0.5-1 名(年省 NT$ 150-300 萬(視個案評估))

TL;DR · 一分鐘看懂本案

  • 場景:IPC-A-610 / ISO 9001 認證電子光電產業(顯示器 / OLED 面板 / LED 模組 / 光學元件製造商),對表面瑕疵與外觀檢測要求嚴格
  • 痛點:瑕疵類型多元(亮點 / 暗點 / Mura / 刮痕 / 異物 / 鍍膜不均)+ 材料反光紋理變異大,傳統規則式 AOI 漏判 10-15%
  • 方案:Cognex In-Sight 3800(5 MP)+ VisionPro ViDi 深度學習 + Analyze 無監督異常檢測 + Classify 分類瑕疵類型
  • 關鍵成效:瑕疵檢出 85-90% → 99% 以上(+9-14 pp)、新瑕疵擴充 20-40 倍加速、檢測速度 5-10 倍、年省 NT$ 150-300 萬人力(視個案評估)
  • 關鍵決策點:Mura 邊界樣本標準需與品保工程師共同建立;大尺寸面板需多相機拼接或更高解析相機

資料說明:本案例 A 廠 / B 廠等為代號標示,KPI 數字為類似專案的典型成效範圍,實際依專案有所差異;資料來源:VSK 內部 POC 紀錄。如需細部資料,請聯絡 VSK 業務

客戶背景

A 廠(電子光電產業):IPC-A-610 + ISO 9001 認證的顯示器 / OLED 面板 / LED 模組 / 光學鏡片 / 濾光片製造商,產品涵蓋手機面板 / 筆電顯示器 / TV 面板 / 車用顯示器 / LED 看板 / 光學鏡組。產線特性 30-500 件/分鐘(依產品而定),三班制 24 小時連續運轉。品質壓力包含表面瑕疵直接影響終端產品外觀與消費者體驗,新瑕疵類型隨製程改版頻繁出現;法規 / 規範要求涵蓋 IPC-A-610 電子組裝品質、ISO 9001 品質管理系統、客戶端外觀檢驗規範。

電子光電產業常見的 AI 視覺瑕疵類型:

  • 顯示器 Mura(亮度不均):漸變式亮度差異,傳統視覺最難判別
  • OLED 亮點 / 暗點 / 線缺陷:像素級點狀 / 線狀瑕疵
  • LED 模組亮度 / 色溫不均:Binning Mismatch
  • 光學鏡片刮痕 / 氣泡 / 微塵:透明 / 鏡面瑕疵
  • 鍍膜不均 / 流痕:薄膜厚度變異
  • 異物附著:產線粉塵 / 纖維 / 油脂

這些瑕疵的共同特徵:「形狀不固定 / 變異大 / 邊界主觀」。傳統規則式 AOI 漏判率 10-15%;AI 視覺(ViDi)可達 99% 以上。

系統配置

本方案運用 Cognex In-Sight 3800 + VisionPro ViDi 深度學習整合電子光電產線 AI 視覺檢測站,完整配置如下:

  • 視覺主機:Cognex In-Sight 3800(5 MP 高解析)+ 外接工業 PC 執行 VisionPro + ViDi;OLED / 大尺寸面板需 In-Sight D900 高解析或多相機拼接
  • 軟體核心:Cognex VisionPro 主軟體 + ViDi 4 工具(Analyze / Classify / Locate / Read)授權
  • 硬體核心:工業 PC(Intel i7/i9 + NVIDIA RTX A2000/A4000 GPU + 32-64 GB RAM)
  • 光學設計:依瑕疵類型採暗室環境(OLED / Mura)+ 偏振光(光學鏡片)+ Dark Field(凹陷)+ 同軸光(鏡面)+ HDR Multi-exposure
  • 觸發機制:產線光電開關觸發 Strobe LED 凍結畫面(曝光 50-200 μs)
  • 通訊介面PROFINET / Ethernet/IP / Modbus TCP / OPC UA 與產線 PLC + MES 對接
  • 影像追溯:NG 影像 + 缺陷類別 + 信心度 + 批號 + 時間自動歸檔,符合 IPC-A-610 / ISO 9001 稽核

演算法組合:

  • ViDi Analyze(無監督異常檢測):學習「正常顯示 / 鏡面」概念,任何偏離正常的區域均判 NG,特別適合 Mura / 鍍膜不均
  • ViDi Classify(監督式分類):對特定瑕疵類別分類(亮點 vs 暗點 vs 線缺陷),協助根因分析
  • 規則式量測:尺寸 / 像素計數等量化指標

商業價值

  • 瑕疵檢出躍升:85-90% → 99% 以上(+9-14 pp),客戶端外觀檢驗通過率提升
  • 新瑕疵擴充加速:規則式 1-2 週 → ViDi 4-8 小時(20-40 倍)
  • 檢測速度:10-20 秒/件(人工)→ 2-5 秒/件(5-10 倍)
  • 產能釋放:自動化 AI 檢測釋放 3-5 名 QC 人力
  • ROI 回收:依產線複雜度 12-24 個月回收期

電子光電 AI 視覺的失敗模式分析

電子光電 AI 視覺檢測的失敗模式可歸為四類。第一,Mura 邊界主觀性 — 顯示器 Mura(亮度不均)的「可接受 vs 需剔除」邊界主觀,POC 階段必須與品保工程師 + 客戶端共同建立邊界樣本標準,否則 ViDi 模型訓練後仍會與客戶端認知不一致。第二,大尺寸面板視野與解析度 — 大尺寸顯示器 / 面板(55-85 寸)單相機無法兼顧視野與解析度,需多相機拼接或更高解析相機(如 D900 16 MP)。第三,暗室與光源干擾 — OLED / Mura 檢測需暗室環境隔絕外部光,產線整合需設計專用暗室或機構遮光。第四,透明 / 鏡面光學配置複雜 — 光學鏡片 / 鍍膜元件對光源角度敏感,需偏振 + 多角度 + 暗室組合,POC 階段需以您的光學樣品實測。

降低失誤的工程實務:POC 階段須與品保 + 客戶端共同建立邊界樣本標準;光源 over-design 30-50%;定期維護每月清潔鏡頭與光源、每月抽樣對照 AI 判斷、必要時補訓練;IPC-A-610 / ISO 9001 對追溯的要求由整合方主導,Cognex 視覺設備可提供辨識率穩定度與量化報告。

為什麼選擇 Cognex PSI 系統整合商

機器視覺導入的成敗,遠超過「相機規格表上的數字」。VSK 威視康累積在台灣電子光電 / PCB / SMT / 半導體製造業 10 年以上的整合經驗中,反覆觀察到三個關鍵失敗點:第一,沒做 POC 直接買 ViDi 軟體授權,部署後才發現 Mura 邊界判定不穩、節拍跟不上、邊界樣品判定不穩。第二,光源沒有 over-design 餘量,暗室環境變動後辨識率明顯下降。第三,視覺與機構 / I/O 分工模糊,整合方對 PROFINET / EtherNet/IP + 暗室設計不熟悉導致延宕。Cognex PSI(Premier Solution Integrator)認證的訓練重點,正是上述三項。

導入後的服務模式:VSK 設備保固 1 年(自出貨日起算),教育訓練依專案客製。

相關常見問題(連到完整解析)

與威視康技術團隊聯繫

👉 您的視覺檢測需求由威視康技術團隊接手|電話 +886 2-8809-3200線上聯絡查看完整 Cognex 產品線

延伸閱讀

本案例涉及之 電子光電 AI 瑕疵檢測、顯示器 / OLED / LED / 光學元件、Cognex In-Sight + ViDi 深度學習、IPC-A-610、ISO 9001、智慧工廠相關方案,VSK 威視康可依現場提供 Cognex 設備選型建議。電子光電 AI 視覺自動化導入請來電 +886 2-8809-3200。

FAQ · 客戶常見問題

關於這個案例的常見問題

電子光電 AI 視覺方案多少錢? +
AI 視覺方案(單站、In-Sight 3800 + ViDi 軟體授權 + 工業 PC + GPU + 整合設計)整體投資在 NT$ 80-180 萬之間;OLED 面板 / 大尺寸顯示器需多相機平行配置,視整合複雜度而定。VSK 提供 POC 後客製報價。
顯示器 Mura(亮度不均)AI 怎麼檢測? +
Mura 是顯示器最難 AI 檢測的瑕疵(亮度漸變、形狀不固定、邊界主觀)。Cognex ViDi Analyze 無監督學習「正常顯示」概念,任何偏離正常亮度分布的區域均判 NG。POC 階段需與品保工程師共同建立 Mura 邊界樣本標準(人眼可接受 vs 需剔除)。
OLED 面板亮點 / 暗點怎麼處理? +
OLED 面板亮點 / 暗點屬於「像素級瑕疵」,需 5-16 MP 高解析相機 + 微距鏡頭 + 暗室環境;Cognex In-Sight 3800(5 MP)適合中小尺寸 OLED,大尺寸需多相機拼接或 D900 / 高解析相機。
LED 模組瑕疵類型有哪些? +
LED 模組常見瑕疵:(1)亮度不均(Binning Mismatch);(2)色溫偏差;(3)死燈 / 暗燈;(4)外觀刮痕 / 異物。多數需 AI Analyze 學習正常亮度 / 色溫分布。
光學元件(鏡片 / 濾光片)瑕疵 AI 怎麼學? +
光學元件常見瑕疵:刮痕 / 氣泡 / 鍍膜不均 / 微塵附著。Cognex ViDi Analyze 無監督學習「正常光學表面」,配合偏振光 + 暗室 + 多角度光源凸顯透明 / 鏡面瑕疵。POC 階段以您的光學樣品實測。
AI 訓練樣本需要多少張? +
ViDi Analyze 無監督學習 100-300 張 OK 樣本;ViDi Classify 監督式分類每類別 50-200 張 OK / NG 樣本。電子光電應用因瑕疵變異大,建議 POC 階段收齊邊界樣本作訓練。
與 IPC-A-610 / ISO 9001 整合? +
Cognex VisionPro 提供影像保存 + 量測數據 + audit log,可整合 MES / SPC,符合 IPC-A-610 Class 1/2/3 等級設定 + ISO 9001 品質管理紀錄。
AI 模型部署後會自己退化嗎? +
不會自動退化。Cognex Edge Learning / ViDi 是「離線學習」模型,部署後不會自動再訓練;但產線環境變化(光源老化 / 鏡頭髒污 / 工件批次差異)會讓辨識率漸進下降。建議每月清潔鏡頭光源 + 抽樣 100 件對照 AI 判斷,必要時補訓練。完整維護建議見 Edge Learning 詞彙頁
REFERENCES · 引用標準與規範

📚 案例引用標準

本案例涉及之國際 / 在地標準與規範(標準內容請洽各主管機關官方來源):

  • IPC-A-610 電子組裝品質
  • ISO 9001 品質管理系統
YOUR APPLICATION?

想做類似的應用?

每個產線狀況不同。歡迎與工程師討論您的應用條件,可規劃對應的 Cognex 機型測試與可行性評估。