行业案例 | 缺陷自动检测及分类（ADC）解决方案
在生产制造过程中,传统人工缺陷检测的方式已经无法满足检测需求，智能化的检测技术逐渐发挥着越来越重要的作用。以在电子行业应用率较高的AOI(自动光学检测)技术为例，AOI是先将疑似缺陷产品检出，然后由人工判别缺陷种类和缺陷位置，虽然已融入自动化生产步骤，但仍然有检测过程耗时耗力、成本高的不便之处。
明治传感器推出的自动缺陷检测及分类 (ADC，Automatic Defect Classification) 解决方案，可以将在生产过程中产生的不良问题，例如不良种类、不良大小、位置等，进行综合计算和缺陷的自动分类；对一些干扰因素，如环境干扰、设备故障等进行及时修正和改善，避免不良品的继续产生。同时，也为后续的返工(Rework)、返修(Repair)等工艺操作提供指导，提高效率，降低整个系统的不良率，及时减少返工和返修的工作量，显著提升缺陷辨识率、缺陷分类正确率和检测效率。
这套方案架构被应用于某半导体龙头企业的液晶面板缺陷检测中，实现了99%缺陷识别和自动分类，人力成本节约了近80%。
方案价值
√ 提升速率
缺陷识别速度从人工分类的2~3s/张提升到250ms/张，产品良率提升5%-6%，漏检率<0.5%，可节省80%的缺陷分类人力成本;通过缺陷类型训练与迭代，缺陷识别率最高可达99%以上。
√ 缺陷判定与分类
通过模型训练系统具备缺陷判别知识，ADC可进行缺陷自动分类与判别，能够全覆盖实时检测各种产品缺陷。此外，系统同时通过传感设备修正错误结果，实时将修正结果反馈到 ADC,让模型得到持续学习，提升缺陷判别效果。
训练有素的模型甚至可以检测到肉眼几乎看不见的微小缺陷，工程师们已经得心应手地使用深度学习技术来发现微芯片、变压器、显示器、CPU和其他制造部件中的潜在异常——其中包括许多非常小的部件，还可应用于太阳能电池表面的缺陷分析、PCB假点检测与分析等。