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

1. Sample數量
2. 插件有沒有插好

AI+ Classification歸類在Identify裡面的功能,可分辨

1. 良品/不良品(AI+ Anomaly Detection 支援2.14以上)
2. 產品分類
3. 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)