1 / 3
01｜產線取像站：工業相機與補光模組安裝現場
製造業產線瑕疵辨識導入－系統實際操作畫面，點擊圖片可全螢幕檢視細節。
關鍵指標
系統穩定運行後的最新表現；滑過或聚焦長條可看到數值與解讀。
主要瑕疵辨識準確率96%
目前：96%
以品保覆核結果驗證
期間變化：導入初期 88% → 目前 96%（進度 +8 分位）
以品保覆核結果驗證
人工複檢工時降幅-60%
目前：-60%
每班由 2 人降為 1 人巡檢
期間變化：導入初期 -30% → 目前 -60%（進度 +30 分位）
每班由 2 人降為 1 人巡檢
客訴成因可追溯率100%
目前：100%
每件皆留影像與判定紀錄
期間變化：導入初期 100% → 目前 100%（維持穩定）
每件皆留影像與判定紀錄
面臨的挑戰
同一批貨，換個人檢就換一套標準。
- ✕每班要 2 名檢驗員盯線，眼睛一累就漏檢
- ✕A 說 OK、B 說 NG，品質沒有共同語言
- ✕客訴退回來，查不出是哪一天、哪一條線
我們的做法
把「老師傅的眼力」變成整條線都一致的標準。
- ✓先固定光與角度 取像穩定，模型才判得準
- ✓4 萬張影像建資料集 分類、標註、版本都可回溯
- ✓訓練專屬模型 上線邊緣裝置，產線即時判 OK／NG
- ✓品保覆核回饋 判錯的例子回頭再訓練，準確率持續往上
導入成效
- 準確率 96% 以上 主要瑕疵類別穩定被抓出來
- 複檢工時省 6 成 人只看 AI 標記的可疑品
- 客訴可追溯 每片產品都留有影像與判定紀錄
技術棧導讀
AIAcVision
資料集管理、模型訓練與辨識結果儀表板
邊緣推論裝置
產線端即時推論，不受網路品質影響
物件偵測模型
瑕疵定位與分類，輸出信賴度供覆核
雲端資料集管理
影像回收、版本控管與再訓練循環
AIAcVision邊緣推論裝置物件偵測模型雲端資料集管理
Related Projects
相關案例
依相同服務類型與產業屬性推薦，方便比較不同情境下的導入做法與成效。
有系統建置、AI 導入或產品需求？
20 年系統開發經驗、各大產業導入實績，從需求釐清到上線維運一站完成。