[人工智慧演講] Defect Inspection with Deep Learning

為了確保提供給客戶的產品符合需求，生產線上都會安排站點做最終產品的外觀檢測，然外觀瑕疵大小、樣式不一，產品表面又有很高的變異性，不管是利用 golden sample 做 pattern match 或是設計客製化的特徵萃取都還是會有相當高的誤報 (false alarm) 或漏檢 (false negative) 機率，在這次分享中，我們將介紹如何利用深度學習演算法對產品做瑕疵檢測，其中將包含利用 CNN 以 object detection 的方式對目標物做檢測，以及 FCN 以 pixel in, pixel out 的方式 segment 瑕疵範圍，或透過 autoencoder 了解待測物結構後將瑕疵當作 anomaly 檢測出來。