容差圖譜學習Tolerance Map Learning

技術說明

容差圖譜學習是一種不依賴瑕疵樣本的視覺檢測方法。系統先對一批良品（30 張起）進行統計分析，量測同一產品在正常生產過程中，於顏色、紋理與細微尺寸上的自然變異範圍，並將這些可接受的變異建構成一張涵蓋整個檢測面的「容差圖譜」；建模約需 30 分鐘。

完成後，系統將每一件檢測品與容差圖譜比對，找出超出正常變異範圍的微小區域，並輸出該區域的面積與色差量化數據。使用者依據這些數據設定檢出門檻與容許度，快速收斂出最適合該產線的檢測規則，達到穩定的檢測品質。

給廠長的白話版

傳統做法要嘛靠老師傅的眼睛，要嘛要餵一堆「壞品」照片給軟體學，但壞品本來就難蒐集。容差圖譜學習反過來——只要給它正常的良品看，它就會自己學會「正常的產品該長什麼樣、可以有多少正常的差異」，再幫你把每一件產品跟這個標準比對，告訴你哪裡不一樣、差多少（面積多大、顏色差多少）。你看著這些數字，就能決定多嚴才算瑕疵。

通常 30 張良品起、約 30 分鐘建好模型，1 到 3 週就能在產線上穩定運作。

與其他方法的關係

容差圖譜學習是一個技術品類，不是「更好的 AOI」。它與規則式 AOI、深度學習各有適用場景；當你的產線累積不到足夠的不良品，或者需要每個判斷都有數值依據時，它是另一條可行的路。

在 ZOVIS 裡怎麼用

ZOVIS 是 IQUMIN 宜谷京實作容差圖譜學習的外觀瑕疵檢測軟體，其訓練層採用專利演算法（中華民國發明專利 I749714）。ZOVIS 在容差圖譜學習之外，還包含影像優化層（處理反光、陰影與紋理）與量化判斷層（分區域門檻與容許度設定），三層合起來才是一套可以上產線的檢測系統。