ข้ามไปยังเนื้อหาหลัก
องค์ความรู้

Machine Vision กับ AI Vision ต่างกันอย่างไร เลือกแบบไหนให้โรงงาน

ทีมวิศวกร Inspektion · เผยแพร่ 18 พฤศจิกายน 2569 · อัปเดตล่าสุด 18 พฤศจิกายน 2569

เทียบกฎประมวลผลภาพกับโมเดล AI สำหรับงานตรวจและนับชิ้นงาน พร้อมตัวอย่างเลือกกล้อง ข้อมูลที่ต้องเตรียม และวิธีทดสอบก่อนติดตั้ง

ตัวอย่างหน้าจอตรวจชิ้นงานของ Inspection Camภาพ: Inspektion

สรุปสั้น

  • Machine Vision คือระบบใช้ภาพช่วยตรวจหรือควบคุมงาน ส่วน AI Vision เป็นวิธีวิเคราะห์ภาพที่ใช้โมเดลเรียนรู้จากข้อมูล ทั้งสองอย่างใช้ร่วมกันได้
  • เริ่มจากโจทย์ แสง และคุณภาพภาพ ก่อนเลือกกฎประมวลผลภาพหรือโมเดล AI
  • งานตรวจคุณภาพต้องวัดของเสียที่หลุดผ่านและของดีที่ถูกคัดทิ้ง งานนับต้องตรวจยอดตกหล่นและนับซ้ำ

Machine Vision กับ AI Vision ไม่ใช่ระบบที่แยกขาดจากกัน

Machine Vision รวมกล้อง เลนส์ แสง ซอฟต์แวร์ และการเชื่อมผลเข้ากระบวนการ วิธีวิเคราะห์ภาพอาจใช้กฎที่กำหนดไว้ เช่น ขอบ รูปทรง หรือระดับสี หรือใช้โมเดล AI ที่เรียนรู้จากตัวอย่าง ระบบหนึ่งจึงใช้ทั้งสองวิธีร่วมกันได้ [1][2][3]

ต่างกันที่วิธีกำหนดเกณฑ์ในภาพ

สิ่งที่พิจารณากฎประมวลผลภาพโมเดล AI
การเตรียมงานกำหนดคุณลักษณะและเกณฑ์ เช่น ขอบ สี หรือขนาดเตรียมภาพตัวอย่างและป้ายกำกับตามวิธีฝึกโมเดล
โจทย์ที่ควรเริ่มทดลองรูปร่างและสภาพภาพคงที่ เกณฑ์อธิบายได้ชัดรูปแบบแปรผันจนเขียนกฎให้ครอบคลุมได้ยาก
เมื่อชิ้นงานเปลี่ยนทบทวนกฎและค่าที่ตั้งไว้ตรวจข้อมูลใหม่ ปรับโมเดล และทดสอบซ้ำ
สิ่งที่ต้องมีเหมือนกันภาพที่เห็นสิ่งที่จะตรวจและชุดทดสอบอ้างอิงภาพที่เห็นสิ่งที่จะตรวจและชุดทดสอบอ้างอิง

ตารางนี้ใช้ช่วยตั้งต้นเลือกวิธี ไม่ใช่การรับรองว่าวิธีใดเร็วหรือแม่นยำกว่าเสมอ ทั้งกฎและโมเดลต้องทดสอบกับชิ้นงานจริง แสงสะท้อน การบังกัน และภาพเบลอเป็นปัญหาที่ต้องแก้ในระบบรับภาพด้วย

เลือกจากผลลัพธ์ที่หน้างานต้องใช้

  • ต้องรู้จำนวน: กำหนดว่าจะนับชิ้นที่ผ่านจุดหนึ่งหรือนับทั้งหมดในภาพ แล้วตรวจการนับซ้ำและตกหล่น
  • ต้องรู้คุณภาพ: ระบุตำหนิหรือชิ้นส่วนที่ต้องมี พร้อมเกณฑ์ OK/NG ที่ทีมคุณภาพยอมรับร่วมกัน
  • ต้องอ่านข้อมูล: ระบุรูปแบบตัวอักษร พื้นผิว และวิธีจัดการผลอ่านไม่ได้ ก่อนประเมิน OCR
  • ต้องวัดขนาด: ระบุค่าคลาดเคลื่อนที่ยอมรับและการสอบเทียบ ไม่ใช้กรอบตรวจจับวัตถุแทนเครื่องมือวัดโดยอัตโนมัติ

สำหรับกล้องที่ประมวลผลในตัว ดู Counter Cam สำหรับงานนับ และ Inspection Cam สำหรับตรวจชิ้นงานและผล OK/NG งานอ่านฉลากมีหน้า บริการ OCR แยกไว้ ส่วนงานหลายกล้องหรือชุดคัดออกควรเริ่มจาก การออกแบบระบบ

เตรียมอะไรให้ทีมประเมินก่อนซื้อ

  • ภาพหรือคลิปจริง พร้อมชนิด ขนาด สี และตัวอย่างสภาพที่ยอมรับและไม่ยอมรับ
  • ความเร็วไลน์ ระยะห่างชิ้นงาน พื้นที่ติดตั้ง แสง และจังหวะหยุดหรือเคลื่อนที่
  • ผลที่ต้องการใช้ ระบบปลายทาง และเกณฑ์รับงานที่วัดได้
  • ผู้รับผิดชอบเปลี่ยนรุ่นชิ้นงาน ตรวจผล และดูแลระบบหลังติดตั้ง

เริ่มจากทดสอบจุดที่กำหนดขอบเขตได้ เก็บผลเทียบข้อมูลอ้างอิง และตกลงวิธีรับมือเมื่อผลไม่แน่ชัดก่อนขยายไลน์ อ่านวิธีประเมินเพิ่มเติมใน Vision Counting และ AI Vision Inspection

คำถามที่พบบ่อย

AI Vision ดีกว่า Machine Vision แบบใช้กฎเสมอไหม

ไม่เสมอ หากภาพและเกณฑ์คงที่ กฎอาจเพียงพอ ควรเปรียบเทียบผลทดสอบและภาระดูแลตามโจทย์ ไม่เลือกจากคำว่า AI เพียงอย่างเดียว

ซื้อกล้องแล้วเริ่มตรวจได้ทันทีหรือไม่

ต้องติดตั้งให้เห็นชิ้นงานชัด เลือกกฎหรือโมเดล และทดสอบตามเกณฑ์ก่อนใช้งาน ตัวกล้องอย่างเดียวไม่ยืนยันว่าตรวจทุกชิ้นงานได้

ต้องส่งภาพขึ้นคลาวด์เพื่อใช้ AI หรือไม่

ขึ้นกับการออกแบบระบบ กล้อง Edge AI ประมวลผลในอุปกรณ์ได้ ส่วนการฝึกโมเดลและเก็บประวัติอาจอยู่คนละระบบ ควรระบุเส้นทางข้อมูลและสิทธิ์ตั้งแต่เริ่มโครงการ

อ้างอิง

  1. [1]

    Cognex Deep Learning Documentation — Cognex (สืบค้น 2026-11-18)

  2. [2]

    OpenCV Tutorials: Image Processing and Deep Neural Networks — OpenCV (สืบค้น 2026-11-18)

  3. [3]

    Rule-Based vs. AI-Powered Machine Vision Tools — KEYENCE (สืบค้น 2026-11-18)

อยากคุยกับทีมวิศวกรเกี่ยวกับเรื่องนี้ไหม?