2020年有越來越多的機器視覺軟體加入「深度學習技術」，成功地在產業中進行實際運用，深度學習在市場上有更普及的需求。然而，傳統光學檢測則面臨挑戰，從過去客戶的「大量同規格」訂單環境轉變為「少量多樣」或「大量多樣」的特色模式，產品檢測日漸複雜，無法單靠人工進行檢測。
加上自動光學檢測 ( AOI ) 跟AI技術的崛起，AOI檢測瑕疵成為生產線上重要的一環，同時「深度學習技術」也能傳統AOI的限制，提高它的檢測精確度、降低人力成本。並應用深度學習中的卷積神經網路 ( CNN )，作為影像判別的方法。圖像與影像都能透過CNN找到特徵、辨識，它以學習得到特徵，來完成瑕疵檢測。
在這波勢不可擋的技術潮流之下，緯育TibaMe即開設「AI產品瑕疵檢測—應用CNN物件偵測實作班」，幫助學員理解哪些檢測適合使用深度學習，並透過手把手的實作課程，學員能親自將經典的深度學習模式應用在瑕疵檢測上。實作班不僅讓學員建構「產品瑕疵影像任務種類」、「深度學習應用於產品瑕疵影像辨識」的整體概念，也讓學員在應用與研發相關系統時，能迅速掌握核心要點！
參加本實作班、任職科技公司客戶工程師的楊同學提及，原先公司是處理機械視覺，也就是AOI的軟體程式庫相關硬體的研發製造商，且因負責內容為機器視覺軟體演算法的開發及應用，他報名參訓實作班，即期望透過實作班能加強自身在瑕疵檢測及樣本比對上的技能。
透過實作班紮實的培訓，楊同學嘗試將python整合進C++語言應用，跟著老師一步步進行專案開發與整合，藉由課程上的知識將它拓展到職場。實作班的錄影教材，亦成為楊同學在後續開發階段能持續運用的資源之一，協助他不斷克服技術困難、修正工作細節，朝著「提升瑕疵檢測及樣本比對的正確率」的目標邁進。
AOI在現代工業中扮演不可或缺的角色，而其中的深度學習應用在各種不同的AOI檢測中皆有優異的成果。緯育TibaMe在課程規劃上，不僅貼近產業需求，更專注於提升學員相關職場技能，提拔他們所學皆能運用於職場，不斷精進自我競爭力！
AI產品瑕疵檢測—應用CNN物件偵測實作班：https://www.tibame.com/offline/aoi_cnn_image
成為TibaMe Line官方好友，掌握第一手科技教育資訊！
