本技術可由極少量自動光學檢測影像訓練樣本，達到自動光學檢測影像品質評估與元件標記的目標。當AOI影像符合檢測品質要求後，再進行元件對位與自動標記。本成果也提供元件標記視窗介面與原始程式碼。本技術可使用在已安裝之電腦設備，不需要額外使用GPU顯示卡，可大幅節省業界之運算硬體成本。

可特化自監督學習，由極少量標示資料中的標記元件中，自動提取元件自我學習特徵並賦予自我學習的特性，故不需要龐大的訓練資料及運算量。系統能夠運行於通用的CPU設備上，減低廠商的硬體成本。與最新頂尖的深度學習方法YOLOv4比較，在訓練張數僅為3張的情況下，仍可以達到超過95的偵測率。

適用於任何有AOI元件偵測或檢測需求的廠商，不僅提供優異的自動影像檢測，更可協助業界使用者在缺陷檢測的流程上可以有更好的效果，並可大幅節省硬體成本。目前已實際應用於PCB板上的各類IC元件偵測與定位。此外也已經在LCD面板上驗證Array與CF元件定位與檢測，達到高於96的偵測效果。

1.欲媒合之產業領域：資訊與通訊、電子與光電。2.欲媒合項目：技術合作、技術轉移、技術協助。

【接受線上媒合】1.媒合時間：3/22起，每週二、四 14:00-16:00。2.線上媒合方式：確認團隊與廠商需求後，主辦單位將發送會議連結予雙方使用。