案例實績
工業產品的品質控管是相當重要的一環，金屬表面缺陷檢驗即是其中的一項。傳統的人工檢驗相當耗時且準確度不穩定，尤其是在複雜加工的產線上。
本案例客戶想要建立一套「金屬表面加工缺陷」的識別系統，希望對加工缺陷進行自動標記及定位，方便快速檢查產品的加工狀態及品質。
金屬加工缺陷照片
於加工環境中獲取數十張含有表面缺陷的金屬產品照片，先人工標記出加工缺陷並做分類。瑞其透過 Altair AI 建立缺陷識別的流程(包含人工標記資料處理為 Altair AI 可用格式)，來進行 AI 訓練與驗證，最後成功開發出可以自動對間隙、油滴、微小油滴和水痕等缺陷進行識別定位的 AI 系統。
此 AI 加工缺陷識別定位系統具有高效率、準確且低人為失誤等各種優點，相對過去明顯地提升品保單位的工作效率。
藉由缺陷標記和定位的資料，進行製程改良的依據與方向，未來進一步可將 AI 識別定位系統配置到產線上進行即時偵測。
AI 標示系統 - 缺陷標記與定位
Altair AI 結合第三方程式 LabelMe，使照片或圖像資料加上標記並轉化為數字數據，可作為 AI 缺陷識別系統的訓練資料。
AI 缺陷識別定位系統經過驗證，以調整輸入資料來提升系統精確度，最後完成的 AI 系統識別率最高可達100%。即使缺陷相對來說並不顯眼，系統也能捕捉識別。
AI 識別技術的邏輯，同樣能應用在其他領域，像是聲音識別、人臉偵測、自動駕駛等。
【 金屬加工缺陷的識別與定位 】AI 應用案例－5分鐘系列
範例圖片來源：天津大學精密測試技術及儀器重點實驗室
瑞其科技是＂CAE與AI數據分析的專家＂，我們完成了許多成功的案例實績。
▶ 現在就 聯絡我們，取得更多資訊。
▶ 訂閱 瑞其Youtube頻道，探索更多CAE與數據分析。
