点击图片查看原图
所有场域应用的物联网，其架构都相同，都是由传感器、通讯网络与云端管理平台所组成的3层架构，由传感器撷取设备数据，再经由通讯网络传送到上层云端平台储存、运算，最后再以分析出来的数据作为系统运作的决策参考，而在整体架构中， AI过去多被建置在上层的云端平台，透过强大的机器学习算法，分析由终端感测层传回的海量数据。
从目前AI的发展来看，图像处理占有70％以上的应用，在工业物联网架构中也是如此。 过去制程中多靠人眼检测产品质量，由于人眼容易疲劳，随着工作时间的拉长，检测质量会逐渐降低，再者部分消费性产品的体积越来越小，产线速度越来越快，人眼已难以负荷，现在已逐渐被机器视觉所取代。
现在的机器视觉判断速度非常快，且精准度越来越高，不过其运作模式仍是贴合大量制造的制程为设计，其快速与精准的辨识，设备将可透过算法自我学习，遇到不一样的产品种类或瑕疵时，即可自主判断，不必再由管理人员重新设定、调整判别模式。
东莞市埃法智能科技有限公司--专注于人工智能深度学习视觉检测系统研发及应用的新型企业，其主打产品--ALFA深度学习视觉检测系统是一款基于人工智能深度学习的检测软件。
ALFA软件中的深度学习是通过神经网络等架构完成的，通过处理数据和创建用于决策的模型模仿人类大脑的工作方式。深度学习也强化了计算机视觉在工业4.0中的重要地位。深度学习为传统的机器视觉技术带来了希望，因为它的使用与基于规则的传统图像处理软件不同。同时也减少了开发机器视觉程序所需的时间与人力成本。
PCB板上的典型缺陷
例如PCB表面的缺陷检测，最初是采用自动光学检测（AOI）设备的检测流程是先利用AOI 光学扫描待检的PCB，获取清晰影像，然后经过电脑图像处理技术检查出PCB 上是否有短路、多铜及少铜、断路、缺口、毛刺、铜渣、缺件、偏斜等瑕疵。因为外观瑕疵的种类非常广泛，所以较一般电子零部件的瑕疵检测困难许多。在极高的PCB良品率的要求下，AOI 设备的参数设定非常严格，也因此AOI 检测设备容易因过于敏感而出现过筛现象。经统计PCB 过筛率高达70%，即NG 产品中其实有70%的成品是合格的。目前多采取人工进行第二次筛选，将实际合格的PCB 再度送回产线。
但是如果使用ALFA软件搭配专业工业相机的取像，能实现 PCB 即时检测并标注 PCB 瑕疵。ALFA软件的深度学习技术采用人工智能神经网络学习PCB图像，相较于传统视觉技术，该瑕疵检测系统可以分析复杂的影像，大幅提升自动化视觉检测的影像判读能力和准确度，并可将瑕疵进行自动分类。根据图像的复杂程度，深度学习算法初期需要的图像数据有所不同，一般提供50-100张即可。图片提供学习的越多，达到的结果就越准确，准确率越高。这也意味着即使是针对每个客户公司不同的瑕疵标准，该系统也能够灵活应对。
埃法智能科技有限公司凭借着经验丰富的行业精英组成的团队和高效务实的管理营销核心，确保技术与服务，目前ALFA视觉系统开发包括开发版，运行版及OEM定制版，可以提供一整套的视觉方案。
同时值得关注的是，2018年软件业将加速赋能制造业。相关部门公布数据显示，2018年1月份至11月份，我国软件和信息技术服务业完成软件业务收入56092亿元，同比增长14.7%，增速同比提高0.2个百分点。其中，2018年我国制造业数字化转型步伐加快，工业企业数字化研发设计工具普及率达到68%，关键工序数控化率达到49%。软件（深度学习软件）与制造业融合已被视为制造业高质量发展的重要途径。
