📂AI 基礎⏱閱讀 2 分鐘📊入門🔗相關 5

什麼是電腦視覺?

一句話定義
讓電腦能「看」懂圖像與影片的 AI 領域。在臉部辨識、不良品檢測、自駕車中扮演「眼睛」的角色。
這個主題,改以企業內訓進行📚 相關課程💬 教育洽詢
⚡ 3 行重點摘要
  • 電腦「看」懂圖像與影片並加以理解
  • 臉部辨識・不良品檢測・自駕車的「眼睛」
  • 以 CNN 為代表性技術

導入電腦視覺後真正改變的,是「判定的一致性」。人類檢驗員早晚的標準不同,判斷也會因熟練度而有差異;視覺檢測則對同一張影像給出相同答案,並完整留存作為判定依據的照片與座標。因此導入效果會先體現在不良品從哪裡、為何流出變得可追溯,而不是「減少了多少人力」。判定紀錄會累積成數據,這正是設備改善與客戶投訴應對的依據。

在工作現場遇到的形式大致有五種。為整張影像貼上類別標籤的分類、連位置都用方框框出的偵測、以像素為單位切出區域的分割、讀取文字的OCR,以及只學習正常模式、藉此抓出異常的異常偵測。不良樣本只有幾十張的產線,比起前面三種,異常偵測更為務實。需求條件也不同。偵測模型每個類型需要數百到數千張標註影像,一旦光線、角度或背景改變,效能就會直接崩跌。處理位置也可以選擇:若產線每秒流過數個產品,就不用 雲端來回傳輸,而是採用在現場設備上於數十毫秒內完成的邊緣運算。能描述影像的多模態 AI,與判定 0.2mm 刮痕的專用視覺模型,是用途不同的工具。

現場最常出現偏差的地方,是「只要裝上攝影機就好」的想法。專案工時的一半,都花在燈光與治具上,也就是讓每次都在相同條件下拍攝。第二是準確率數字。在不良率 0.5% 的產線上,就算全部回答「良品」,準確率也會顯示 99.5%。真正該看的數字是漏檢率(漏掉不良品的比例)與過殺率(把良品剔除的比例)。漏檢一件就會變成客戶投訴,過殺暴增則會以良品報廢與檢驗員重工的形式回過頭來。第三是以為訓練一次就結束了的錯覺。零件規格或材料供應商一換,幾個月內偵測率就可能崩跌,因此若沒有把按季重新訓練與效能檢查寫進營運規範,價格不菲的攝影機最終只會斷電閒置。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
為機器裝上「眼睛」的領域——讓機器看照片後能辨識出那是什麼。
為什麼在實務上很重要
世界上的資訊有相當大的比例是圖像與影片。電腦視覺能讓這些視覺資訊實現自動處理。
由來與出處

這是自 1960 年代即開始研究的悠久領域,2012 年深度學習(AlexNet)大幅提升影像辨識效能,實用化因此加速。

透過案例理解

我們以虛構案例來說明。A 公司是生產汽車零件的二級協力廠商,全體員工 180 名,年營收 KRW 42,000,000,000 (≈ US$31,435,700)。外觀檢驗原本由 3 班制、共 12 名員工以肉眼進行,去年流入客戶端的漏檢不良達 9 件,還因此賠償了產線停工損失。品質保證團隊接下了為期 6 個月的視覺檢測導入專案。

  1. 品質保證組 Park 課長將 3 個月份、共 1,200 張不良照片彙整後發現,標籤格式各不相同。聽到「檢驗員對刮傷與壓痕的記法各不一致」後,便從判定基準照片集重新製作起。
  2. 首次測試模型的偵測率僅 71%。經診斷,原因不在演算法而在光線,設備技術團隊裝上環形燈與固定治具、統一拍攝條件後,偵測率提升至 89%。
  3. 不良樣本每種類型僅 40 張,因此改採只用 8,000 張良品進行訓練的異常偵測方式。並將漏檢率 0.3% 以下、過殺率 5% 以下定為合格標準,明確寫入供應商合約。
  4. 兩個月間,3 名檢驗員全程跟在 AI 判定之後進行覆核。產線主管訂下「只有被判為過殺(誤判為不良)的品項才由人工重新檢視」的規則後,每日需覆核的數量從 220 件降到 60 件。
  5. 每季以新增不良影像 300 張重新訓練的排程,已列為品質會議的固定議程。在供料廠商更換的第 4 季,檢出率下降 6 個百分點,於 2 週內即被發現。
  6. 一年後,客戶端漏檢流出從 9 件降到 1 件,每件檢驗時間也從 22 秒縮短為 4 秒。12 名檢驗人員中的 6 名則調派至組裝、包裝製程。
相關術語
與此術語相關的課程
📚AI 代理實務入門Nanum 經營顧問企業內訓 · 實體/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

電腦視覺是「視覺理解」領域,多模態則是同時處理視覺、語言等多種資訊。兩者有所重疊。
廣泛應用於製造檢測、自駕車、安防、醫療影像、門市分析等現場自動化。
電腦視覺專注於「圖像理解」,多模態則連文字、語音一併處理。
廣泛應用於臉部辨識、不良品檢測、醫療影像、自駕車與文件辨識(OCR)等領域。