工业 4.0 在全球制造业掀起智能化浪潮，通过智能制造系统，制造流程将可大幅优化，进而提升产线效能、减少成本支出，在智能制造系统中，人工智能扮演了重要角色，尤其是深度学习演算法更开始被应用到产线系统中的视觉检测，快速而精准的判别商品瑕疵。
AI视觉检测解决方案高效掌握瑕疵零件 大幅提升商品良率
机器视觉检测有效取代人眼，全靠“深度学习”
深度学习属于机器学习的领域，其演算方式是通过不断重复判别物件获得庞大数据，再经过大量的运算让精准度不断接近完美，瑞科指出，目前深度学习已经被大量应用于各种领域，制造业的视觉检测则是其中重点应用。
商品检测是制造业品质管理的一环，过去皆由现场作业员亲力亲为，然而人眼有其极限，检测速度与正确率会随着作业时间拉长减少，再加上产线速度越来越快、商品体积逐渐轻薄短小，后期机器视觉开始取代人眼，成为产线检测主流。
在产线中，视觉检测有四大主要功能，包括量测、辨识、定位、检查等，而检测是全部功能中困难的部分，由于现场人员对瑕疵的认知不同，因而即就是已然自动化的机器视觉，仍会存在因系统设定或现场质管人员不同，造成出货商品品质无法一致性的问题，要解决此一问题，瑞科指出深度学习将会是佳方式。
纯 AOI 系统将快速消失，结合 AI 成转型关键
将深度学习导入至产线检测，对制造业与系统供应商两端来说，都可提升工作效率。在使用者端，视觉检测系统可以省下大量人眼检核的成本，机器视觉软硬件架构的准确率与判断速度，已远远超过人眼，而且设定完成后，即可长时间不间断且以一致标准的工作，将可为制造业者省下大量的人力成本。
过往的机器视觉系统，每一次上线都必须不断调节设定，在智能制造概念中，产线必须可快速回应订单，弹性调节生产内容，现行机器视觉检测的繁复设定将难以满足弹性化生产要求，深度学习架构只要事先通过训练，即可快速上线使用，且还能自主学习，系统可以自动找出佳的 OK/NG 参数，不必再由人员调节，在此状态下，各设备的瑕疵检测标准将可一致性，不会因牌子、使用时间的不同产生差别。
至于系统整合商，运用人工智能也将强化市场竞争力。人工智能在视觉检测市场正加速普及，纯 AOI 系统在制造业的竞争力将会快速消失，不过瑞科也指出，现在市场对人工智能的导入也有迷思，多数厂商认为将 AOI 全面替换为人工智能，将可立即减少漏检与误判机率，然而这种一步到位的想法在实际状况中并不可行，反而会让漏检和误检率大幅增加，建议应该保留现行 AOI 功能并结合人工智能，才能迭加两者的优势。
商品漏检率趋近于零，误判率极低
瑞科针对视觉检测所推出的 DAVS 即是以人工智能为关键的运送系统，此系统可以结合既有的 AOI 系统，让既有设备可延长使用年限，以此保障制造业者过去的投资，而人工智能与 AOI 整合的模式，也提升了商品的检出率。
以SMT用电感器(用于手机/小型化PCB)为例，除非是严重裂纹，否则传统的 AOI 系统常无法判断影像中的线条是原有纹路或裂痕，且AOI对其中度裂纹的检出率小于 50％，轻微裂纹检出率更是在 5％ 以下，加装 DAVS 之后，检出率大幅提升，不但漏检率为零，误判率更低于 0.3％。