依據歐盟施行的個人資料保護法，我們致力於保護您的個人資料並提供您對個人資料的掌握。 我們已更新並將定期更新我們的隱私權政策，以遵循該個人資料保護法。請您參照我們最新版的 隱私權聲明。
本網站使用cookies以提供更好的瀏覽體驗。如需了解更多關於本網站如何使用cookies 請按 這裏。
偲倢新聞
17.01
2025
從研究室到生產線：偲倢科技與中央大學攜手，實現工業 AI 加速落地
從研究室到生產線：偲倢科技與中央大學攜手，實現工業 AI 加速落地
(（國立中央大學資訊工程學系研究生許仁覺於2025年 IEEE 國際消費性電子學會年會, ICCE 2025 獲頒最佳最佳場次報告獎，圖片來源：許仁覺提供）
Spingence（偲倢科技）與國立中央大學資訊工程學系蘇柏齊教授及其研究生許仁覺攜手合作，成功研發出創新的「DA-SAM：缺陷感知分割方法」，為傳統工業瑕疵檢測突破了多項技術瓶頸。這項合作成果不僅為學術界提供了實用且具廣泛應用潛力的解決方案，也為製造業的品質檢測開闢了嶄新的方向。該研究成果已發表於國際知名 IEEE研討會，並已於 2025 年 1 月 11 日至 14 日在美國拉斯維加斯舉行的 ICCE 2025 大會上公開展示。
打破工業瑕疵檢測瓶頸：DA-SAM的創新與應用潛力
工業瑕疵檢測是製造業品質控制的核心挑戰之一。傳統檢測方法（如 AOI 自動光學檢測）雖能在穩定環境下提供一定效率，但因適應力不足，無法有效應對日益複雜且多變的生產條件，導致廠商需耗費大量時間與成本進行調校與維護。此外，雖然 AI 技術具備潛在優勢，但由於現代製造良率持續提高，負樣本的搜集變得困難，進一步延長了專案評估與導入時間。
為解決這些問題，Spingence 與中央大學合作開發了 DA-SAM 方法。該方法結合 Segment Anything Model（SAM）與低秩適配（LoRA）技術，設計出一種高效深度學習工具，顯著提升檢測效能，同時減少標記時間。實驗結果顯示，DA-SAM 在僅使用五個樣本的情況下即可達到 76.1% 的準確率，展現出強大的少樣本學習能力，為應對負樣本不足提供了有效解決方案。
此外，研究團隊還公開了全新的工業瑕疵數據集 SPTD。相比 MVTecAD 數據集，SPTD 提供了更精細且符合工業背景的小型瑕疵樣本，對學術研究和製造業實務應用都具有重要意義。
為解決這些問題，Spingence 與中央大學合作開發了 DA-SAM 方法。該方法結合 Segment Anything Model（SAM）與低秩適配（LoRA）技術，設計出一種高效深度學習工具，顯著提升檢測效能，同時減少標記時間。實驗結果顯示，DA-SAM 在僅使用五個樣本的情況下即可達到 76.1% 的準確率，展現出強大的少樣本學習能力，為應對負樣本不足提供了有效解決方案。
此外，研究團隊還公開了全新的工業瑕疵數據集 SPTD。相比 MVTecAD 數據集，SPTD 提供了更精細且符合工業背景的小型瑕疵樣本，對學術研究和製造業實務應用都具有重要意義。
從學術到產業：合作研究的深遠影響與未來展望
此次研究能夠獲得國際學術認可，不僅源於技術創新與實用性，亦得益於 Spingence 長期積累的製造業實戰經驗。作為一家專注於工業 AI 的領先企業，Spingence 深刻理解視覺檢測在工業應用中的痛點，並以滿足最嚴苛的檢測需求為基準，推動技術創新與應用突破。
Spingence 表示，此次合作不僅加速了公司在工業 AI 領域的技術布局，也為未來產品開發和客戶服務奠定了堅實基礎。我們將持續以降低製造業導入 AI 的成本與門檻為使命，專注於提供高效、可靠且具經濟效益的解決方案，助力製造業實現智能化升級。
未來，Spingence 將透過與更多學術機構的合作，專注解決外觀視覺檢測中的核心挑戰，推動產業升級與全球工業檢測技術的突破性發展。
Spingence 表示，此次合作不僅加速了公司在工業 AI 領域的技術布局，也為未來產品開發和客戶服務奠定了堅實基礎。我們將持續以降低製造業導入 AI 的成本與門檻為使命，專注於提供高效、可靠且具經濟效益的解決方案，助力製造業實現智能化升級。
未來，Spingence 將透過與更多學術機構的合作，專注解決外觀視覺檢測中的核心挑戰，推動產業升級與全球工業檢測技術的突破性發展。
關於 Spingence
Spingence 是一家專注於 AI 瑕疵檢測與自動化導入的軟體公司，致力於為製造業提供一站式解決方案。其核心產品 AINavi 平台滿足從標記、訓練到部署的全流程需求，已成功應用於半導體、被動元件、連接器與光學鏡頭模組等產業，深受市場信賴與肯定。