過去針對汽車鈑件的檢測,除了員工的視覺檢查外,還會藉由幾台小型攝像機捕獲影像,技術人員再以圖像識別軟體來評估所捕獲的圖像。未來,這個過程很快將被ML程式所取代。其基於復雜人工神經網絡的軟體,可以最精確地檢測金屬板中非常細微、無法以傳統方式察覺的裂縫,並且還可精準地標記斑點。
此種基於深度學習特殊形式的機器學習,可以使用非結構化和高維數量的數據(如:圖像)來進行操作。研發團隊花費數月時間訓練人工神經網絡,來測試數百萬件圖像。最大的挑戰,一方面是必須創建足夠大的數據庫;另一方面是所謂的圖像標記。如此龐大投入是值得的,因為神經網絡現在可以獨立地進行學習,並且即使在以前未知的新圖像中也能檢測到裂縫。
使用ML質量檢測將取代目前的智能相機光學裂縫檢測,不僅可取代掉大量的手動工作,亦可減少如照明條件和表面特性的環境因素造成光學儀器誤判的缺失。無論是車門、引擎蓋,或是葉子板…等,均須經過此項檢測始可進行組裝。將來,也可以將ML方法應用於其他視覺質量檢查,例如:烤漆以及裝配組裝…等等。