VPDL深度學習 | 康耐視 Cognex ViDi rev.4.1 模型類型比較與選型建議｜Standard / Unsupervised / Legacy
在導入 Cognex ViDi rev.4.1 深度學習視覺系統時，模型類型的選擇將直接影響 專案導入速度、訓練成本、檢測穩定度與長期維運風險。
ViDi rev.4.1 主要提供 Standard、Unsupervised、Legacy 三種模型架構，各自對應不同的製程成熟度與應用場景。
三種 Model Type 差異性比較
一、Standard Model（監督式學習｜主流推薦）
定位：高準確率、可量產、可標準化的主力模型
核心特性：
♦ 需標註 OK / NG 樣本（監督式學習）
♦ 支援分類（Classification）、區域分析、瑕疵辨識
♦ 模型行為可預期、結果一致性高
♦ 適合跨產線複製與長期量產
👉 屬於「量產等級、風險最低」的模型選擇
二、Unsupervised Model（非監督式學習｜快速導入）
定位：資料不足、異常變化大的探索型模型
核心特性：
♦ 僅需 OK 樣本，不需事先定義 NG
♦ 系統自動學習「正常樣態」，偏離即判定異常
♦ 適合早期製程或 NG 樣本難以蒐集的情境
♦ 判斷邏輯屬於「異常偏離」，非明確瑕疵分類
♦ 對環境變動（光源、背景）敏感
♦ NG 原因不易對應實際缺陷類型
👉 適合 PoC、試產、探索階段，不建議直接量產長期使用
三、Legacy Model（舊版相容｜過渡用途）
定位：既有專案延續與版本相容
核心特性：
♦ 與舊版 ViDi 專案高度相容
♦ 學習與推論架構較早期
♦ 功能與效能已非最新主流
♦ 可降低既有專案升級風險
♦ 不建議作為新專案首選
♦ 長期維運與擴充性受限
👉 屬於「歷史包袱型模型」，策略上應逐步汰換
► VisionPro DL 4.0 Customer Presentatio
歡迎透過 官方LINE 與 宇佑科技 聯繫，我們可協助您進行 模型選型評估、PoC 規劃與量產導入策略建議。
