在熟練技術人員短缺、人工成本急劇上升的背景下，制造業迫切希望實現缺陷檢測自動化，這需要人的經驗和感性，依靠人來進行搬運、組裝和檢驗的過程。特別是在產品的外觀檢查中，需要有經驗的熟練工人的感性和經驗，比如判斷各種顏色和大小的劃痕，以及當產品之間存在較大差異時如何判斷次品。

　　因此，人們對AI的期望越來越高，因為它可以像人類一樣識別物體的特征，并自動學習判斷標準。但要投入實際應用，必須為AI學習準備大量的圖像數據，還存在一些問題，比如AI工程師的支持，需要在現場安裝專門的AI硬件，因此很難將AI引入生產現場。

      為了解決這些問題，行業劃時代推出缺陷提取AI-Intsoft深度學習AI智能檢測系統。

　　通過類人的“感性”發現劃痕，從依賴人的感性到使用AI技術自動實現視覺檢測缺陷檢測依賴于人的感受力，這種感受力難以定義，成為自動化中的難題。測試人員“將背景中的不協調視為缺陷”的技能已經被利用了人工智能技術，并作為圖像過濾器攜帶。即使是以前難以判斷的新品種、未知劃痕和復雜背景，不需要劃痕樣本或調整，也可以檢測為“劃痕或缺陷”。

　　類似于熟練工人判斷好產品的“經驗”

      從依靠技術工人的經驗到用AI技術實現知識調整的自動化在功能測試中，允許好產品的狀態存在差異。由于好產品狀態的判斷標準依賴于熟練工人的知識，很難用以前的FA圖像處理系統來定義，需要不斷調整設置，成為自動化中的難題?！癆I匹配”可以通過學習好產品的圖像數據，在短時間內獲得檢測人員在多年實踐中積累的“檢測技術和知識”。除了再現技術工人的檢測能力外，與傳統的自動檢測方法相比，可以減少因公差造成的良品過檢，大大降低成本，提高生產效率。

　　AI的引入不需要高標準的硬件，也不需要AI工程師構建適合不同現場環境的系統。利用在生產領域有豐富經驗的通用圖像處理系統，可以很容易地引入人工智能。