【手把手教學】快速利用 AutoML Vision 提升 PCB 瑕疵檢測精準度

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、判斷瑕疵類型)。

如果看完本篇教學文,有興趣實作練習的朋友,也歡迎造訪 Google Cloud Qwiklab,自費報名 2 小時的線上課程: Classify Images of Clouds in the Cloud with AutoML Vision

Continue reading “【手把手教學】快速利用 AutoML Vision 提升 PCB 瑕疵檢測精準度”

工廠製程革新:AutoML Vision 如何優化製造業的目視檢測,改善品管?

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。目視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。點擊「閱讀全文」以了解更多。

Continue reading “工廠製程革新:AutoML Vision 如何優化製造業的目視檢測,改善品管?”