檢索結果:共5筆資料 檢索策略: "光學檢測".ckeyword (精準) and ckeyword.raw="深度學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
瑕疵數據收集對於新產品而言極其稀少,一直是重要的議題。然而,瑕疵數據集的品質對深度學習有顯著的影響。本研究致力於應用CNN架構之瑕疵檢測模型,以解決瑕疵資料稀缺性的問題。本研究考量產品生產過程中瑕疵…
2
電子產品微小化及對於良率要求極為嚴苛,因此在自動光學檢測(Automated Optical Inspection, AOI)容易因敏感度提高而出現過篩現象,常造成AOI瑕疵誤判及人力複檢成本提高。…
3
高速生產的微型電子元件需要快速且準確的檢測方法,自動光學檢測(Automated Optical Inspection, AOI)常應用於此。然而,AOI易於產生檢測篩選不足且/或篩選過度的問題。本…
4
隱形眼鏡生產是一項大量生產工業,由於美觀及消費水平的提升和衛生習慣的進 步,隱形眼鏡 在全球 的需求量逐年提升 ,其製造過程中難免會有瑕疵的產生,傳統的 隱 形眼鏡 瑕疵檢測是以人工目視篩選 或單 …
5
台灣製藥產業對於藥錠的表面瑕疵檢測多以人力進行檢測,利用人工檢測的方式不但缺乏時間效率,且容易有不穩定及誤判之問題。近年來深度學習的發展快速,使得神經網路也逐漸應用在許多領域。如想基於卷積神經網路(…