Table of Contents
此文章之範例適用於下列條件:
TMflow 軟體版本: 2.14 或以上。
TM 手臂硬體版本:3.2或以上。
請注意,新舊版本之差異可能導致操作介面、步驟上會有所差異。
AI Classification/Detection/Segmentation為什麼要放在TM vision的不同位置? #
AI+ Detection歸類在Find裡面的功能, 可檢測
- Sample數量
- 插件有沒有插好
AI+ Classification歸類在Identify裡面的功能,可分辨
- 良品/不良品(AI+ Anomaly Detection 支援2.14以上)
- 產品分類
- 線的顏色有沒有插對
AI+ Semantic Segmentation歸類在Measure裡面的功能,可量測
- 瑕疵範圍長寬高/面積/中心點(可適用不明顯/微小瑕疵)
應用案例介紹 #
Ruled-based Gauge #
優點:
- 編制任務簡單(量測範圍畫兩條線, 算中間距離即可)。不需要收Sample
缺點:
- 遇到微小間距/特徵不明顯, 比較難畫。來料不穩, 框框會跑/誤判
AI+ Semantic Segmentation #
優點:
- 可支援ROI範圍/整張圖較彈性, 不怕照片跑位
- 可算面積, 中心點等資訊
缺點:
- 需要Sample(training model要畫畫)
- 要收集Sample越多越好,沒有GPU, CT要很久(Avg. 7s/mission)