自 2018 年 Google 在 Google Cloud Next 年會重磅推出 Cloud AutoML 技術，資料科學與 AI 普及化應用的時代已正式來臨。暨上篇工廠製程革新：AutoML Vision 如何優化製造業的目視檢測，改善品管？，本篇文章將進一步實際教學如何快速利用 AutoML Vision 提升 PCB 的瑕疵檢測精準度。以下教學，將以兩個 PCB 資料集，示範兩種不同模型的操作步驟：單一標籤分類模型（判斷是否有瑕疵）、物件偵測模型（判斷是否有瑕疵、偵測瑕疵處、判斷瑕疵類...

我們經常從企業客戶端聽到，他們需要導入像 AI 這樣的新技術來提高生產效率。事實證明，AI 的確能有效幫助製造業客戶實踐自動化的目視品管流程。 這些客戶告訴我們，他們希望使用 AI 解決方案來幫助他們提高品質控管和檢查的效率，進而提高整體品質。但是，有許多因素使他們難以防止瑕疵產品的發佈。此外，在製造過程中發現瑕疵的時間越晚，修復或更換所需的成本就越高。視覺檢測可以幫助製造業客戶，以較低的成本及早發現瑕疵，並以更創新的方式幫助企業革新其流程。 半導體業：用 Google AutoML Visio...