在智慧製造與汽車檢測領域，透過邊緣人工智慧（Edge AI）與機器視覺（Machine Vision）進行瑕疵檢測已成為品質保證的標準化趨勢。2024 年全球汽車AI檢測系統市場規模約 40~50 億美元，並預計於2025–2034 年間以 40~45 %的年複合成長率 (CAGR) 持續擴張。
在輪胎X 光檢測市場，更因車用安全與性能需求，2023 年市值約為 2~2.5 億美元，預估 2024–2032 年間有機會成長至 3 億美元。面對高流量關鍵字如智慧製造、邊緣運算與人工智慧物聯網（AIoT）的熱搜趨勢，廠商亟需結合先進演算法與高效能運算平台以滿足即時性、高準確度與可擴充性的檢測需求。
在汽車零件瑕疵檢測與輪胎檢測的實際應用場域中，主要挑戰可歸納為以下幾點：
1. 多樣化缺陷型態：螺栓扭曲、裂紋、輪胎內部不規則氣泡等缺陷，各自對影像分辨率、光源適應度與影像後處理能力提出不同要求。
2. 即時性與低延遲：生產線速度日益提升，需確保邊緣人工智慧系統在毫秒級即可完成影像採集、預處理、推論與結果回饋，否則將影響產線效率與下游物流排程。
3. 環境變異：車間光線變化大、表面反光與高溫、高濕環境，可能導致機器視覺演算法誤判或漏檢，進而影響品質管理。
4. 大數據訓練與模型部署：要有效建置高準確度的異常檢測模型，需大量標註資料與持續優化，且部署於現場時必須兼顧算力與功耗。
針對上述挑戰，瑞傳科技攜手合作夥伴 Neurocle 提供一套完整 AIoT 解決方案：透過無程式碼、GUI 化介面的NEURO-T Model Trainer在數小時內透過 Synthetic Defect Generation、Unsupervised Anomaly 等訓練模式，建立高效能檢測模型，並動態調整 Learning Rate、Model Architecture 與 Optimizer 等參數，確保模型在邊緣 設備中具備最佳推論表現。再將高度優化且深度學習的NEURO-R Runtime Library部署至PJAI-100進行推論，支援即時物件偵測、分類與語義分割等 9 種檢測模型，實現現場智慧檢測與數據回饋。
PJAI-100基於 NVIDIA Jetson Orin NX/Nano 模組，最高運算效能可達 100 TOPS。內建 M.2 2280 M-Key NVMe（PCIe x4）、M.2 2230 E-Key 及 Nano SIM 插槽，可支援遠端監控與邊緣端資料上傳系統的架構。
透過上述軟硬體整合，客戶能在智慧製造生態中，實現高準確度的螺栓與輪胎瑕疵檢測（99.9% precision）、毫秒級低延遲的推論速度、可擴充性的多相機架構佈署。如此不僅能降低良率損失，更可透過數據分析優化生產流程，提升整體設備效率與資產利用率。
當前汽車零件檢測與輪胎X 光檢測市場正面臨產線自動化與智慧品質管控雙重需求。在此情境下，瑞傳科技 PJAI-100 結合 Neurocle方案，提供 邊緣AI在機器視覺應用的一體化解決方案，正是滿足低延遲推論、高準確度與可擴充佈署的最佳選擇。無論是追求高良率管理的車廠，或是重視即時檢測的零件供應商，皆能透過瑞傳科技專業的研發製造能量、全球通路與在地服務，實現真正的智慧製造與品質管理。
