利用人工智能更灵活地处理好产品的变异。
如果好产品的变异为零，最简单、最可靠的检查就是检查它们是否与好产品相同。然而，好产品总是存在变异。
新版FIS-200DL使用人工智能（深度学习）来学习这些变异，并灵活地处理 "与好产品相同 "方法无法吸收的好产品变异，从而提高好产品的百分比。
传统的检查方法使用统计处理来处理好产品的变化。
传统的FIS-200比较检验是一种使用统计处理的算法，建立一个良好的产品范围，对变化大的区域进行宽松的检验，对变化小的区域进行严格的检验。
这种方法对产品精度高、变化小的对象效果极好，已经使用了10多年，主要用于精密部件。
另一方面，好产品的变异容忍度很低，导致好产品的比例很低，在变异大的地方无法发现细小的缺陷。
两种人工智能视觉检查算法。
AI比较测试
AI比较检查（ANOMALY INSPECTION）是一种利用AI（深度学习）来学习好产品的变化的算法，以更灵活的方式处理好产品的变化。
其优点是，只有好产品的变异需要学习，所以需要的学习较少，由于不需要额外的学习，所以公差不会超过必要的范围。
与传统的比较检查相比、
- 产量显著提高。
- 即使在变化较大的区域也能检测到细小的缺陷。
- 将适用范围扩大到因质量好坏差异过大而无法检查的物体。
以下是其中的一些优势。
AI缺陷检测
比较检查/人工智能比较检查的一个弱点是，当需要分段成像时，如大型物体或三维物体，有必要为每个分段视场学习一个好产品。
例如，即使一个视场可以在3分钟内建立，10个视场也需要30分钟，100个视场需要5小时。此外，数据量增加，也会减少操作响应时间。因此，检测系统无法承受日常操作。
AI缺陷检测（语义分割）通过使用AI（深度学习）来学习 "缺陷"，并检查目标图像的 "缺陷"。
缺陷 "可以定义在一个共同的视场中，实现所有视场的共同品种数据，甚至所有品种的共同品种数据，大大提高了检验系统的可操作性。但是，在检验的确定性方面，它不如对比检验/AI对比检验。
AI视觉检测传感器FIS-200DL的检测实例。
AI视觉检测传感器FIS-200DL与其他公司的AI视觉检测之间的区别
易于在实际生产线上进行评估和部署
FIS-200DL是成熟的FIS-200传统视觉检测传感器的AI功能增强版。已经实现了与照相机的连接和与输送设备的信号传输等功能。
这意味着，即使在研究阶段，也可以在实际生产线上评估人工智能功能，而且在离线评估之后，也很容易在实际生产线上部署人工智能功能。
目前，几个FIS-100用户已经开始收集和评估几千张好产品的图像，目的是提高好产品率。FIS-100已经在实际生产线上运行，采用传统的 "对比检查"，采集图像很方便，评估工作进展顺利。
成本表现
FIS-200DL 的初始成本约为 330 万日元（人工智能视觉检测控制器 + 1 X 2M 摄像机）。没有月租费。
此外，根据需要检测的产品，传统的比较检测通常就足够了：不含人工智能功能的型号成本约为 175 万日元（视觉检测控制器 + 1 X 2M 摄像机）。
商业人工智能（HALCON）。
FIS-200DL使用商业人工智能（HALCON深度学习功能），而不是开源的人工智能。预计未来将提高人工智能功能的速度，并支持最新的硬件。
我们将继续改进我们的人工智能，使其更容易使用。