AI 支持检测计划创建（NPI）：基于深度学习的自动物体识别

在自动化质量保证流程中，“刚刚达到合格标准”的组件和“尚存缺陷”的组件之间，其差异有时几乎微乎其微，以至于有必要对检测结果进行重新分类。遇到这种情况，Viscom 提供的 AI 驱动的验证流程可凭借其强大的“深度学习”功能为生产工厂创造优势。基于四眼原则（Four Eyes Principle），人工智能得出的验证结果将于操作者的结论进行比对。比对结果不一致时，将发送更正或确认输入的提示消息，以此避免因错误判断而导致的吞入。在预定义领域，作为平滑向自主分类过渡的一种手段，AI 还可完全独立地进行判断，极大程度上节省了时间成本。

当即有检测算法无法满足需求——例如在快速精准地定位热连接、电池阴极和阳极或者引线连接中的空隙时，人工智能可在此展现出其极具说服力的优势。即便在图片信息附带较强干扰因素的情况下，人工智能技术也能提供完善的分段结果，以此获得更可靠的真性错误识别结果，提升直通率（First Pass Yield）。在被直接安装于检测计划之前，我们对 AI 模型进行了持续稳定的训练。