小樣本快速導入
無監督異常檢測僅需正常樣本訓練，適合缺陷樣本稀少或種類多變的產線。
傳統規則式 AOI 在面對複雜紋路、多樣缺陷或小樣本品項時，往往需大量人工調參且難以維護。我們採用深度學習與無監督異常檢測技術，搭配熱區圖視覺化，讓品質人員快速定位問題。
以下為典型部署架構，實際參數依產品材質、光源與相機解析度調整。
工業相機固定拍攝角度與光源，確保每張影像條件一致。系統自動裁切 ROI、正規化亮度，並將影像送入 AI 推論引擎。
以正常樣本建立特徵記憶庫，推論時計算待測影像與正常分佈的距離，輸出異常分數。無需逐項標注缺陷類型，適合外觀檢測場景。
將異常分數映射回影像像素，以色彩梯度標示疑似缺陷區域。品管人員可快速覆核，並依現場回饋調整敏感度閾值。
無監督異常檢測僅需正常樣本訓練，適合缺陷樣本稀少或種類多變的產線。
以 Heatmap 標示異常位置，品管人員不需解讀複雜數值即可覆核。
每筆影像、分數與判定結果皆留存，支援品質分析與客訴追溯。