如何处理灰色地带的问题
ovit在用图像进行检查时，理想情况下，视觉检查的结果和图像检查的结果应该完全吻合，但我们在技术上还没有达到这个程度。应该如何处理这个 "灰色地带"？
如果这个灰色区域被转移到好的一面，就会导致 "缺陷产品流出"。如果它被转移到有缺陷产品的一边，就会导致 "产量损失"。哪种情况更好呢？
如果是前者，除非在图像检查后对所有产品进行目视检查，否则无法避免缺陷产品的流出。最后，也不会减少工时。另一方面，如果是后者，对于在 "严格 "的图像检查中被归类为良好的产品，不需要进行视觉复检，只有那些 "有缺陷或处于灰色区域 "的产品才需要进行视觉复检，如果产量是50%，就有可能减少50%的工时。
在这种情况下。
使用图像检测设备，要实现100%的工时减少是非常困难的。
灰色地带"（在最后的视觉检查中）决不能摆在好产品的一边。只有绝对好的产品才能被判定为'好'。
有不能检查的项目的图像检查设备的结果都是在'灰色地带'。它绝不能被用于最终的视觉检查。
我们认为。
这是FlexInspector与其他图像检查设备的最大区别。基本上，只有与好的项目 "几乎相同 "的项目才被认为是好的，甚至 "轻微的差异 "也能被发现。相反，FlexInspector最大的弱点是它不能容忍这些 "轻微差异"。然而，在这种情况下，似乎原因是好产品不统一，不能说这是FI问题......
在灰色地带，人类视觉检查的准确性也是模糊的。由于这个原因，图像检查和视觉检查的结果不可能完全匹配。原来的目视检查的限制并不是硬性规定的，而往往是基于现场工人的主观判断。因此，在引入图像检查时，必须对检查标准进行基本审查，因为要做一个新的东西，除非是为了创造适合图像检查的新标准，否则我认为会变得没完没了，很难产生引入效果。
偶尔会出现这样的情况（虽然图像检查不是这样的）：一个缺陷因为肉眼可见而被NG，如果肉眼不可见就OK。然而，也有一些模式，缺陷是固有的，如果要检测这种缺陷，例如通过超声波检查，就必须完全重新制定标准。那么，视觉检查（图像）被超声波检查（非破坏性测试）取代是很自然的。
当然，标准应该是针对成像检查的。
在许多情况下，由于强行采用了视觉检查的标准，故事就变得复杂了。首先，视觉检查的标准往往是宽松的，而且似乎许多决定是在 "eiyo "的基础上做出的。因此，产品的功能和制造的工艺能力没有被考虑在内。
FI方法，通过抽样对好产品进行统计处理，检查它们是否在好产品的分布范围内，被认为在早期发现异常方面更有效。
实际上，我认为这个故事并不限于 "图像"。FI也可以应用于以时间序列排列的一维数据，可以被认为是 "判断二维阵列数据好坏的软件"。