Machine Vision 專案的 10 個常見陷阱

เริ่มจาก 'อยากมี vision' แทนที่จะเริ่มจากปัญหาที่ชัดเจน

Lighting ไม่พอ — accuracy ของ AI พังก่อน defect แรกจะเข้ามา

เลือก resolution กล้องเกินจำเป็น แต่ไม่พอเร็วสำหรับ throughput

ลืมคุย reject mechanism ก่อน — ตรวจเจอแล้วทำยังไง?

AI model train จาก dataset เล็กเกินไป — fail เมื่อเจอ batch ใหม่

Integration กับ PLC/SCADA เลื่อนไป design phase สุดท้าย

ไม่มีแผน maintenance — เลนส์ฝุ่น 6 เดือน accuracy ตกไม่รู้ตัว

ไม่ track defect type — ไม่รู้ว่าควรปรับที่ process ไหน

ผูก vendor lock-in รายเดียว — ขยายระบบทีหลังต้นทุนพุ่ง

ไม่มี baseline ก่อนติดตั้ง — วัดผล ROI ไม่ได้