從軟件界面中可以看出，某些僅僅是因為“位置偏移”，并非不良品，而以往的測量結果，會給予NG，也就是我們強調的過檢。反之，歐姆龍的AI測量結果，則會忽略位置變化的影響，實現類似于熟練工的經驗判斷、更為精準的檢查，減少因沒必要的過檢，導致的物料浪費。

▲ 像人一樣熟悉缺陷

在「AI感官檢查」樣機的右半部分，展示的是金屬沖壓零件的劃痕檢測，以往，在遇到不可預測的尺寸、形狀、顏色，亦或者是在一些復雜的、不確定的背景下，是難以用自動化的方式去檢出的。

例如，像金屬拉絲面上的劃痕，以往的檢測方式，很難判斷究竟是缺陷，還是金屬表面自然存在的拉絲。而「AI感官檢查」預先學習了“人感覺是劃痕的圖像的特征”（通過近三十年來，歐姆龍積累的圖像和Knowhow），即使沒有定義劃痕，AI也能判斷并抽取劃痕的特征。

現在存在很多自詡AI的東西。但是很多都還只是存在于實驗環境中，只是以前畫像處理的檢查算法開發與算法組合的研究過程演變成了AI的學習過程，依然需要很多的專業知識和研究時間，從而致使PoC的制作成本增大，歐姆龍將今天向大家介紹的技術融入畫像傳感器中，提供能夠即時導入的環境。