工业4.0在全球制造业掀起了一波智能浪潮。通过智能制造系统，制造过程将得到极大的优化，从而提高生产线效率，降低成本。在智能制造系统中，人工智能起着重要的作用，尤其是深度学习。该算法已开始应用于生产线系统的视觉检测，以快速准确地识别产品缺陷 机器视觉检测有效地取代了人眼。深度学习依赖于“深度学习”。深度学习属于机器学习领域。它的计算方法是通过反复辨别物体来获得大量的数据，然后通过大量的计算，精度不断接近完美。达美指出，目前，深度学习已经广泛应用于各个领域，而视觉检测是制造业中的关键应用之一 产品检验是制造质量管理的一部分。过去，现场操作人员亲自参与。然而，人眼有其局限性，随着手术时间的延长，检查速度和准确率会降低。此外，生产线速度越来越快，产品体积越来越小。后来，机器视觉开始取代人眼，成为生产线检测的主流。 在生产线上，目视检查有四个主要功能，包括测量、识别、定位、检查等。，而检查是所有功能中最困难的部分。由于现场人员对缺陷有不同的认识，即使在自动化机器视觉中，由于系统设置或现场质量控制人员的不同，仍然会出现出货产品质量不一致的问题。为了解决这个问题，德尔塔指出，深度学习将是最好的方式。 纯人工智能系统将很快消失。结合人工智能改造的关键，将深度学习引入生产线检测，可以提高制造和系统供应商的工作效率 在用户方面，视觉检测系统可以节省大量的人眼检测成本。机器视觉软硬件架构的准确性和判断速度已经远远超过了人眼。设置完成后，可以长时间连续工作，标准一致，这将为制造商节省大量的人工成本 过去，机器视觉系统每次上线时都必须不断调整其设置。在智能制造的概念中，生产线必须能够快速响应订单并灵活调整生产内容。当前机器视觉检测的复杂设置将难以满足灵活的生产要求。只要事先经过培训，深度学习架构就可以快速在线使用，而且还可以独立学习。系统可以自动找到最佳ok/ng参数，无需人员调整。在这种状态下，各种设备的缺陷检测标准将是一致的。 至于系统集成商，人工智能的使用也将增强市场竞争力 人工智能正在加速其在视觉检测市场的普及，纯人工智能系统在制造业的竞争力将迅速消失。然而，达美也指出，市场上也有关于引入人工智能的神话。大多数制造商认为，用人工智能代替人工智能将立即降低漏检和误判的概率。然而，这种一步到位的想法在实际情况下是不可行的，但它将大大增加漏检率和误检率。建议保留现有的人工智能功能，并结合人工智能将二者叠加 产品漏检率接近零，误判率极低。德尔塔公司推出的视觉检测davs是一个以人工智能为核心的交通系统。该系统可与现有aoi系统相结合，延长现有设备的使用寿命，从而确保制造商以往的投资。人工智能和人工智能的集成模式也提高了产品的检测率。 以smt感应器(用于手机/小型化pcb)为例，除非是严重的裂纹，否则传统的aoi系统往往无法判断图像中的线条是原始线条还是裂纹，对于中等裂纹的aoi检测率小于50%，对于轻微裂纹的检测率甚至小于5%。安装davs后，检测率大大提高，不仅漏检率为零，误判率也低于0.3% 达美指出，工业4.0强调生产线的灵活性和快速的自我学习。davs通过人工智能和aoi的结合，通过深度学习解决了aoi系统难以检测的产品缺陷，同时使漏检率接近零，达到超高。检测率需要提高装运产品的质量 此外，davs易于安装，这使得起诉设备可以安装在生产线的每个重要环节。一旦在制造过程中出现错误，系统可以立即提醒进行改进，避免累积错误到最终检测端，造成更大的成本浪费。由于davs可以大大降低人力和管理成本，其投资可以在0.8 ~ 1.5年内收回。 凭借其在aoi设备制造方面的丰富经验，台达建议制造商可以根据自己的需要在aoi设备上安装和构建一个方便的人工智能视觉检测系统，向智能制造更进一步