ALFA软件使用神经网络算法，模块化地解决机器视觉的各种问题，真正让人工智能走入机器视觉领域。ALFA让每一台自动化设备有了大脑，有了像人一样的学习能力，可以在不断工作中积累经验，越做经验越丰富，结果越来越精准，实现真正意义上的机器替代人，必将掀起新一轮的产业变革。
利用ALFA缺陷检测模块工具的管理模式和ALFA分类模块的自动化检测与分类，将会使手机元件检测变得非常简单。
首先需要收集大量的元件检测图片做为学习样本库，其中包括正常品和残次品，每种残次品的检测图片至少包含一组以上。样本库中的样本越多，学习效果越好，后续的检测也会越准确。
接下来ALFA软件通过图片样本库进行训练学习，并产生检测的参照模型，这个学习过程只需要不到10分钟，具体学习取决于电脑的硬件配置。
最后即可将ALFA用于实际的检测中。
这是一个非常小的手机振子，比拇指还要小的东西，用肉眼很难看得出它是有什么问题的。1、选取硬件：首先我们选取好合适的镜头与及光源，让表面上的缺陷能够清晰的表现出来。如图-1
图1
2、进行定位：因为每个图样拍出来的时候，位置可能会发生偏移，导致需检测的部分也会发生偏移，那么检测效果就会大打折扣。所以我们软件进行图像定位,，如图-2、 图-3 ，我们建立一个模型，软件会自动捕捉特征点然后定位，我们在尽可能的取多图进行训练，结果出来后相当理想。
图-2
图-3
3、缺陷检测：定位过后，我们就确定了需要检测范围了。在这里我们首先把无关的检测部分屏蔽掉，剩下需检测的部分用于进行标记。这里我们选取了中间金面做例子，图-4我们选取了感兴趣区域，再到图-5遮罩了无关区域，在金面上进行缺陷标记，图样多做这个步骤然后进行训练，再测试结果。
图-4
图-5
这个功能很强大，我们只需要采集足够多的样品图，把这些缺陷图在软件里面做下标记，然后进行训练，结果出来了检测率可达97%-99%。如果图样量大，那么检测率可无限接近100%。
4、流水线上的运行：经过以上的一系列操作，我们在软件里导出一个运行时工作空间，软件二次开发时集成该工作空间，把它应用到流水线上进行实操，效果如下：
