集成了机器学习与机器视觉的系统可应用在多个制造业范畴，机器视觉透过传感器搜集数据，机器学习可藉数据增益机器视觉能力，形成封闭式的循环系统，广泛运用在各产业的机器人可带动机器视觉更广泛的应用。
        据Metrology and Quality News，咨询机构ARC Adivisory Group指出，机器视觉可在制造过程中进行物件侦测、扫描、尺寸丈量或检测等，已成为智能工厂在制造或品管方面的关键科技之一，并快速成为工业4.0浪潮中智能工厂架构的基石。
        机器视觉系统具有不同级别准确度与稳定度，光源、镜头分辨率、视觉算法与工件夹持方位都会影响准确度与稳定度，然而造成潜在限制的是为特定视觉导引或检测程序所开发的程序编写，目前机器视觉系统尚未训练出辨识工件出现不预期变量的能力。          机器学习已被用于增加机器视觉的能力，将两者集成的系统已被证实可藉大数据分析加强工业自动化与检测过程；更先进的分析透过云端与边缘端的机器学习算法，可分析庞大的机器视觉数据，以分辨产品良好与瑕疵的模式，并可自动更新机器视觉系统的辨识算法，无须人力干预。
         这种封闭式循环系统在多个产业，如食品／饮料、汽车及电子制造业等，都可用来辨识肉眼所看不到的瑕疵，并有助实时改进制造过程。         机器人是带动机器视觉接纳度提高的关键市场，不同产业对机器人都有不同的需求，以增加产量与灵活性，并征聘可真正发挥附加价值的员工。

返回列表