AI軟體已經廣泛應用於各產業的生產檢測，但市面上的AI軟體都需要大量影像資料才能學習，需要花費許多時間及人力進行整合，才能讓AI模型符合產線的實際需求。拆解整合過程，其實涉及兩個層面的問題：
1. AI上線後，有沒有可能即時修正AI的模型資料？
2. 如何在少量的影像資料中對現有的AI模型新增類別？
市面上大部分AI軟體如須提升模型的準確度或做修正，勢必要提供更多的影像，並結合原本訓練的影像，再進行AI的再訓練。過程說起來簡單，但像是該花多久時間收集影像？原本影像集的資料須保存多久？需要多大空間保存？需要花多少時間再次訓練模型？這些執行上的問題，事實上都需要企業投入非常多的隱性成本。
另一個常常實際發生的挑戰是，假如有些影像的原始資料就非常少，無法取得多張影像，怎麼辦？這時往往只能以人工方式逐一標記，有時甚至會造成AI導入上的困難。根據我們協助客戶導入AI的經驗，在挑選AI模型時，後續修正與訓練模型的難易度高低，也是一定要納入考量的重點之一。
這裡我們歸納出幾個在評估過程中較須注意的重點，如果AI軟體具備以下特徵，在導入後的實際應用通常能夠較易上手：
1. 快狠準兼具：能夠快速修正模型，在機器運轉的同時，還能同步提高模型準確率
2. 教一次就會：用一張影像就可以訓練出新的AI類別
3. 能舉一反三：只要在檢測影像中出現一張新影像，AI就能判斷、把新的影像加入模型中，等於跟人類一樣能夠「自主學習」
4. 學習時間短：只要幾秒鐘就能完成模型訓練
5. 介面易上手：使用者可以隨時在AI模型中直接分類、或者新增類別
如果您想提高AI模型的準確率，並且靠少量影像快速訓練出能夠自我學習的模型，不妨試試Teledyne DALSA獨家開發、影像處理軟體Astrocyte，是唯一能夠連續學習（Continual Learning）的AI軟體，能夠：
1. 單張影像訓練AI模型
2. 單張影像訓練只需毫秒
3. 單張影像即可新增類別
4. 用一張GPU卡，即可以同時對多組AI影像做分類
如果您希望進一步瞭解如何應用AI軟體降低檢測誤殺率，歡迎和LINX Taiwan聯絡進行更詳細的評估。
