机器学习与机器视觉系统整合成为工业4.0关键

       整合了机器学习算法与机器视觉系统可应用在众多加工制造业领域，机器视觉通过传感系统采集数据信息，机器学习算法可藉数据信息提升机器视觉功能，建立全封闭式的循环系统，普遍应用在各行业，可推动机器视觉系统更普遍的应用。

　　机器视觉系统能在生产过程中进行物件侦测、扫描、尺寸丈量或检测等，已成为智能工厂在制造或品管方面的关键科技之一，并快速成为工业4.0浪潮中智能工厂架构的基石。

　　机器视觉系统具有不同级别准确度与稳定度，光源、镜头分辨率、视觉算法与工件夹持方位都会影响准确度与稳定度，然而造成潜在限制的是为特定视觉导引或检测程序所开发的程序编写，目前机器视觉系统尚未训练出识别工件出现不预期变量的功能。

　　机器学习算法已被用以提升机器视觉系统的功能，将二者整合的系统已被确认可藉大数据的应用增强自动化技术与检测全过程;更专业的深入分析通过云服务与边缘终端的机器学习算法，可深入分析巨大的机器视觉数据信息，以辨别产品优良与缺陷的模式，并可自动升级机器视觉系统的识别优化算法，不必人为干涉。

　　这种全封闭式循环系统在众多行业，如食品加工/饮料行业、汽车制造及电子器件加工制造业等，都可用于识别肉眼所看不见的缺陷，并有助于即时改善生产过程。