Blog

科技業對於自動光學檢測(AOI)的導入已行之有年，近年與再度興起的AI融合成為創新應用，但對傳統製造業來說，卻完全是個新技術。《數位轉型 台灣最行》應用篇第十集持續聚焦AI影像辨識技術，DIGITIMES邀請到專注在AI影像辨識技術的慧穩科技總經理林耿呈來談談他如何協助傳統製造業導入AI，改善過去「人工」智慧的目測手法，提升產品品質。

成立於2016年的慧穩科技聚焦於AI影像辨識領域，並且以目前製造業需求缺口最大的瑕疵檢測為核心市場，但是在相對競爭激烈的影像辨識市場中，為什麼不選擇具有AOI使用經驗的科技業為標的，反而先以幾乎零經驗、含金量不大的傳統製造業作為主要客群？

林耿呈直言，其實傳統製造業的挑戰不諱言比科技業更大，因為這類產業原本就大量仰賴人工去判斷瑕疵，要讓他們開始接納數據跟科技，光是克服心理抗拒即不易，但林耿呈反而認為，傳產才是最需要升級的對象，而且過去傳產沒有太多導入AOI的經驗，「我們希望能夠藉此幫傳產達到跳躍式的進步」林耿呈說。

為了幫助「初學者」的傳統製造業，慧穩科技設計透過一條龍式的服務幫助傳產從無到有建立影像辨識應用，包括前期進入案場了解需求、與現場老師傅討論，到資料的量化、擷取、清洗、訓練與部署等。

林耿呈也分享過去與傳產業者的合作經驗。其中，他認為瑕疵的定義與標準化流程是相當重要的。尤其對於傳產來說，以前都是靠老師傅用目視檢查品質，但標準因人而異，導入AI的目的就是希望透過科學法則當作統一標準，因此像慧穩這樣的AI業者前期也需要透過來回與現場師傅的討論，來共同制定瑕疵的定義與標準。

此外，也有技術上的挑戰。像相機、光源等是AOI系統組成之一，過去AOI技術對於取像要求高，容易受到外界環境干擾，更別說是環境相對更嚴苛的傳統產業，這對於AI影像辨識來說也是一大挑戰，不過所幸歸功於AI技術的演進，已可讓AI透過自主學習，即便待測物取像不完全，仍能快速辨識。

林耿呈進一步指出，像是有的待測物具有多曲面外型，在這種狀況下，就必須仰賴特殊的光源與取向技巧，例如要讓物體本身有機械作動，或是透過多角度的攝影機與光源構成一良好的取像環境等。而光是這一段過程，就結合了包括光學、機械、軟體、AI和傳統影像處理等多領域專業技術。

而面對經驗不多的傳產業者，林耿呈也分享慧穩會利用初期以小資料驗證的作法以判斷可行性，接著再進一步透過Sample機導入大數據取像驗證，最後再實際進入場域部署。透過階段性的做法，讓初次嘗試的業者增加對新技術的使用信心。

文章來源:https://www.digitimes.com.tw/iot/article.asp?cat=158&id=602747