合成缺陷，真實速度：Overview AI 推出 OV Auto-Defect Creator Studio，加速視覺檢測
借助 NVIDIA Defect Image Generation skill，該 studio 讓製造商以合成方式將已知缺陷套用到全新的良品上，建立可重複使用的缺陷庫，並在數分鐘而非數週內讓 AI 檢測模型上線。6 月 22 日至 25 日於芝加哥 Automate 現場觀看。
在 Automate 2026 上，Overview AI 將展示一款讓實體 AI 於當下生產線上發揮作用的產品。OV Auto-Defect Creator Studio 是一款由 NVIDIA 提供支援的合成缺陷生成產品，協助製造商大幅加快視覺 AI 檢測模型的部署。
該 studio 解決了工廠 AI 中最棘手的瓶頸之一：取得足夠多的真實缺陷樣本以訓練可靠的檢測模型。工程師無需等待數週讓罕見缺陷在產線上自然出現，而是使用 OV Auto-Defect Creator Studio 生成超擬真的合成缺陷，將其套用到全新但相似的產品與 SKU 上，並在真實缺陷資料尚未形成規模之前訓練檢測模型。該 studio 與 NVIDIA Defect Image Generation skill 整合，由 NVIDIA Cosmos 與 NVIDIA TAO 提供支援，可建立高擬真、可控制的缺陷影像。
在與多家全球製造商的部署中，此工作流程已將首次推論時間從約三週縮短到每種產品 30 分鐘以內，涵蓋 1000 多種產品。這條從新產品導入到生產就緒 AI 檢測的路徑被大幅壓縮。
問題所在：檢測 AI 的優劣取決於缺陷資料
視覺檢測 AI 代理已成為製造業的強大工具，但部署速度通常受限於資料蒐集。對於每一種新產品，品質團隊傳統上需要蒐集足夠的真實缺陷、為其標註、訓練模型、驗證效能，然後才能部署到產線。
在中量多樣、高產量的製造中，這尤其困難。缺陷罕見，設計經常變動，新的 SKU 可能與先前的產品相似，卻仍需要各自的檢測設定。工廠越擅長預防缺陷，為下一個模型蒐集足夠缺陷資料就越困難。這是一個悖論：標準最高的工廠在推出新檢測時，往往擁有最少的缺陷資料。
解決方案：合成缺陷生成
OV Auto-Defect Creator Studio 改變了這個工作流程。製造商從現有產品中擷取已知缺陷類型，並以合成方式將其套用到全新但相似的零件與 SKU 上。缺針、汙染、刮痕、凹陷、焊接問題、錯位、表面瑕疵或組裝缺陷，都可以在全新的良品上重現，無需等待其自然發生。
隨著時間推移，團隊會建立一個可重複使用的已知缺陷庫。當新產品推出時，工程師將該缺陷庫套用到新產品的良品影像上，於數分鐘內建立出擬真的合成訓練集。該資料集用於訓練或更新模型，再部署回產線。
OV Auto-Defect Creator Studio 的運作方式
OV Auto-Defect Creator Studio 專為品質工程師與製造團隊打造。其工作流程是一個閉環：
- 將新產品的良品影像上傳到該 studio。
- 選擇產品上應出現缺陷的區域，並描述缺陷類型。
- 運用 NVIDIA Defect Image Generation skill 在產品上生成合成缺陷。
- 在 Overview AI 平台上對檢測模型進行後訓練或更新。
- 部署到由 NVIDIA Jetson Orin NX 加速的 Overview AI 相機（例如 OV80i），在產線上進行即時推論。
- 隨著時間推移，將新發現的真實缺陷重新加入缺陷庫並重新訓練。
這將缺陷知識轉化為可重複使用的製造資產。
實證案例：在全球連接器產線上更快部署
多家全球製造商在連接器及相關互連產品的生產線上運行 Overview AI 的平台。借助 OV Auto-Defect Creator Studio，品質團隊透過重複使用以往專案中經過驗證的檢測知識，在每一種新產品或 SKU 上更快推進，而不必等待數週來蒐集完整範圍的生產樣本。
在 1000 多種產品上，此工作流程已將首次推論時間從約三週縮短到每種產品 30 分鐘以內。在產品換線頻繁、品質標準極高的高產量環境中，這種速度讓檢測能夠跟上生產節奏。
為何這對 AI 基礎設施製造至關重要
現代 AI 基礎設施仰賴日益複雜的機電元件：連接器、籠架、互連件與組件，其中微小的缺陷會引發下游可靠性問題。隨著產品週期加快，檢測必須以新產品導入的速度推進。
OV Auto-Defect Creator Studio 透過讓團隊在缺陷於生產規模出現之前就生成所需缺陷，弭平了這道落差。其結果是更快的產品發布、更一致的檢測涵蓋範圍，以及一種可重複的方式，將缺陷知識從一代產品延續到下一代。
AI 視覺部署的最大瓶頸已不再是模型本身，而是如何足夠快地取得足夠多的真實缺陷資料。OV Auto-Defect Creator Studio 讓製造商能夠運用他們已經理解的缺陷，並在每一次新產品發布中重複使用這些知識。借助 NVIDIA Defect Image Generation skill，我們能夠建立超擬真的合成缺陷、更快地訓練模型，並協助品質團隊在數分鐘而非數週內讓檢測上線。
在 Automate 2026 現場觀看
Overview AI 將於 6 月 22 日至 25 日在芝加哥 McCormick Place 舉辦的 Automate 2026 上展示 OV Auto-Defect Creator Studio。您可以在 NVIDIA 展位 #2284 的 NVIDIA 互動合作夥伴生態系地圖上找到我們，或在 Overview AI 展位 #36027 找到我們。帶上一張產品參考影像，我們將在一次會談中建立一個可運行的試點缺陷庫。
Overview AI 在展場中兩度亮相。Overview 營運長 Russell Nibbelink 將於 6 月 23 日（星期二）下午 1:30（CT）發表演講《Seeing is Solving: Advances in Smart Inspection》。身為 NVIDIA Inception 成員，Overview AI 亦將出現在 NVIDIA 的生態系專場中，由 NVIDIA 的 Alvin Clark 介紹 NVIDIA 的互連製造願景以及合作夥伴的成功案例。