AI是Artificial Intelligence的缩写，直译[人工智能]。有[Deep Leaning深度学习]、[机器学习]等同义词。指是“将记忆、学习、推测、判断等人类大脑能做的事情替换成计算机的技术”。（例如Google翻译、iPhone手机语音控制助手Siri、智能空调、搜索引擎等各种各样的应用）。

AI在图像处理中的用途是什么：

· 传统的图像检测编程，是由图像处理专业人员根据其知识和经验手动创建的。（除非您是专业人员，否则无法创建，而且存在图像检测编程的优劣程度取决于专业人员的水平等问题）

· 因为AI自行制作编程，即使没有图像处理知识的普通人，只需将检测对象的图像导入AI系统即可作成检测编程。（以往，需要图像处理专业人员花费数月时间不断修正才能制定判定编程，再花费至少数小时甚至数日才能构建该编程）。

1.AI深度学习外观检查 AI-STELLA

AI-STELLA是业界首款打包AI深度学习功能的图像控制器，其搭载应用于外观缺陷检查的深度学习软件[PFNVI（Preferred Networks Visual Inspection）]。该深度学习软件[PFNVI]是由当前深度学习世界No.1的Preferred Networks(PFN)株式会社提供，是通过深度学习，实现高精度、高灵活性、高性价比的外观缺陷检查软件。

其解决了传统深度学习检测软件所存在的，需要解决大量学习数据的收集、对不良特征的注释很麻烦、以及模型构建困难等问题，无需对学习数据进行注释，即可实现精度的检测效果。从而，可以快速·低成本的构建检测系统。AI-STELLA致力于工业外观缺陷检测，实现高精度、高灵活性的快速检测，操作界面直观简单，可以根据检测目的调整判定阀值，非专业工程师也可轻松操作。

2.运行周期

3.产品特点

日本PFN公司独创的深度学习模型：采用PFN独自的卓越的深度学习模型只需要少量数据即可实现高精度检测。

简化注释：对于被测物图像，只需提供按[良品（good）]/[不良品（bad）]分类好的图像可实现深度学习，无需标注出不良特征/不良位置。

直观的用户界面GU：通过学习工具的GUI界面，从登录图像、模型学习、检测精度比较等都可以进行一气呵成的管理，构建直观的、高精度的检测模型。

只需少量图像进行学习：与传统必须要数万~数十万张图像作为学习数据相比，PFN只需100张良品及20张不良品图像即可实现深度学习。

不良位置的可视化：通过热力图成像凸显出不良位置，提高对检查结果的说明性。

建立灵活•快速的检测模型：提供构建检测系统所需的推论数据库。从学习到导入系统无缝连接，实现检测系统的快速建立。

4.系统构成示例

5.应用示例

AI-STELLA应用的种类分别有：弹簧垫圈外观检查、螺丝外观检查、螺帽外观检查、芯片电阻的外观检查、金属铸件的外观检查、饼干的异物·外观检查、便当盒物料灌装工程的欠品检查、木材纹理检查工程的品质判定。