NS 跨平台的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

建立AI模型應用於產品的自働化品質檢測系統

為了解決NS 跨平台的問題，作者曾琨翔 這樣論述：

工業 4.0最早由德國於2011年的漢諾瓦工業博覽會上所提出，它不單提出了新的工業技術，更是將工業化從自動化的工業理念推向智慧化的工業理念，注重於將現有的企業製造、產品改良、產品銷售的方式以及客戶的售後服務項目進行整合， 朝著少量、多樣、快速客製化的智慧製造進行邁進，並導入物聯網(IoT)、雲端運算和分析、機械學習和智能化 AI，將其整合到目前的生產設施與整體企業營運中，以提升上下游生產鏈、同業間協同製造的作業效率，透過生產製造商中內嵌式的感測器和相關應用軟體，蒐集並分析產品製造的相關資料，並利用雲端運算的方法做出最佳的品質檢測以及數據分析。早期台灣工業發展都以代工做起家的，因此還保有許多傳

統的製造商及加工商，且大多數的工廠目前還是使用傳統的人力進行物料的製造，以及對物件的品質瑕疵檢測，這些作業流程都需要用到許多的人力，進而間接增加人力成本，且若是利用人力進行瑕疵檢測，還可能因為經驗、人為的疏失以及沒有即時對機台參數校正等影響，導致不良品沒有在第一時間被發現並進行排除，那將會增加後續多餘的生產加工成本和不良品的報廢成本。本研究利用NVIDIA開發套件，結合跨平台電腦視覺庫Open CV以及深度學習的相關訓練模型，設計出具有提供辨識物狀態及一定百分比信心指數的視覺辨識檢測系統，模型的準確度經過計算有95%以上，而在辨識物件的信心指數也達到90%以上的準確度，因此都具有一定的參考價值

。將SSD模組訓練好的模型導入至NVIDIA Jetson Nano中，並投入雷射加工生產流程上，擔任辨識物件工作，透過與機械手臂的配合，將待加工的手工具於物料區夾取至雷雕區進行雷雕後，再透過機械手臂放置於輸送帶上，配合安裝於輸送路徑上的影像鏡頭，當感測器接收到物料來的訊號後，便立即對鏡頭下達拍照的命令，即時將產品的加工狀況投射於螢幕上，因此操作員可以配合訓練好的模型和螢幕顯示出的狀態圖來判斷加工後的物件是好的還是壞的產品。