人工智能（Artificial Intelligence, AI）的應用趨勢將大幅轉換人類生活及各領域?，F階段，此項科技也正在改變生產和制造過程。為了進一步了解人工智能，我們需要認識以下術語：人工神經網絡（Artificial Neural Network, ANN），機器學習（Machine Learning, ML）和深度學習（Deep Learning, DL）。
機器學習是基于邏輯的算法，使算法于數據分析過程中提供訓練的功能。深度學習是機器學習的子集；但是，深度學習將基于自學功能創建其神經網絡。深度學習需要更大的處理能力以及更多的數據，以實現所需的算法精度。深度學習算法能自動學習。自動化檢測系統可以識別圖像、區分并做出合理的判定。通過機器視覺（Machine Vision, MV）進行的深度學習能使系統進行圖像采集，預處理和分類來執行質量檢查。機器視覺系統能使算法執行檢測缺陷，污染物和其他不規則異常的檢查。
利用AI改善PCBA制造流程的機會正在實現。為了使SMT行業采納并強化AI的解決方案，必須克服現有挑戰并開發更進階的技術。硬件和機器視覺的進步推動了SMT制造業AI的發展。以進行高精度運動，實現了更佳的量測Gage R&R數值。這對于所需的數據收集至關重要。
德律科技（TRI）擁有超過30年的產業豐富經驗，可提供創新的模塊化、高度可定制的系統，滿足客戶的特定需求。為了降低成本并提高生產線的質量，德律科技開發了AI解決方案。這些智能的檢測解決方案簡化了操作和生產線作業，并滿足高混合量及小批量生產的應用。
德律科技（TRI）——人工智能工作站
德律科技的AI Station工作站是一種用戶端-服務器模型解決方案，可與生產線中的AOI作整合。AI Station工作站將收集AOI大數據并分析以實現最佳的微調。優化為連續性的全天候檢測，無需任何人工協助。AI Station工作站可以確保改善決策，縮短編程時間并提高生產率。
德律科技（TRI）——人工智能驗證主機
人工智能驗證主機可以發揮AI的潛力，并在維修站中做出更優化的決策。AI驗證主機是一個聰明的智能維修站，減少人工重新檢查的需要并降低運營成本。強大的人工智能維修站解決方案能減少誤判來增強生產流程，并提供檢查狀態的實時數據分析。
AI驅動OCV/OCR算法
傳統的OCV/OCR算法需要進行特定調試設定，會花費大量時間和人力配置。傳統的OCV/OCR算法容易受到影像噪聲、字體差異和字符丟失的干擾；因此誤報率很高（超過10％-20％）。由人工智能驅動的OCV/OCR算法可以構建和微調字體庫，優化字符呈現。創新的人工智能驅動的OCV/OCR可以輕松檢測低對比度字符，這是傳統同類產品幾乎不可能做到的。
圖示：德律科技AI驗證主機
外觀缺陷檢查
人工智能驅動的檢查最有用的優點之一是擁有一個可靠的檢測系統，用于常見缺陷以及復雜表面和零件的外觀缺陷檢查。傳統的方法檢測SMT組件（例如芯片，IC，連接器等）的損壞零件時，很難預測損壞零件的外觀，而人工智能可以透過范例的訓練，學習如何識別缺陷。
如汽車，醫療，航天和國防等行業已要求通過人工智能實現更高效，更精確的檢查解決方案。以前，這些行業都是依靠壓力測試和細致的人工檢查來檢測任何非標準缺陷。
圖示：AI OCR 偵測
