自從2011年工業4.0問世以來，將制造業從過去到了制程終端，甚至出貨前才會開始執行的品質檢測程序逐步向前推進。不僅要求在制程中，就要開始透過IIoT實時上傳資料、分析，甚至成為AI機器學習的根據。
甚至還要在制程前，就要開始建立數位分身模擬預測，以及邊緣生成式AI模型所需的資料庫，確保能在各種不同環境下維持相同品質、24/7不間斷運作，因此讓機器視覺（Machine Vision）檢測成為目前智慧制造發展最快領域。
其中包含量測、辨識、定位、檢查共4大項目，又以AOI自動光學檢測應用的比例最高，利用非接觸式光學儀器取得成品的表面狀態，再以電腦影像處理技術來檢出異物或圖案異常等瑕疵，比起人眼、接觸式檢測更快且穩定，也較不受限於載臺或周邊環境限制。
除了利用模組化軟體結合工業用相機，也就是將「嵌入式視覺+演算法+影像處理軟體」整合納入AI模組相機，軟體，提供開發者快速的視覺流程評估概念，從影像輸入到視覺結果產出的過程，提供可視化結果操作介面。因此使得現今機器視覺的處理速度比先前更快速。倘若使用已開發完成的AI模組軟體與設備，降低設備及人才門檻，也可以快速上線，降低部署成本。
至於使用邊緣AI的價值，便在於從AOI搜集到的數據進行分析歸納後，將資料拋到MES或EAP系統，以查出物料、制程等與瑕疵關聯的原因；進一步透過數據回??來優化整體制程，以增加效能與產能、產品與服務的創新。
尤其是在現今少量多樣、客制化大批量的生產趨勢下，使用AOI+AI技術運用在產品生產較為復雜或辨識品質瑕疵的狀況下，將能減少人力、作業負擔、提升出貨品質或縮短出貨速度，并將問題分析的肇因回??到制程當中進行調整，得以提高良率。
因此須有足夠算力與LLM，打造軟硬體服務的整合方案，分別適用安裝於受到硬體空間限制的邊緣AI裝置、高速流水產線上，執行嚴格品質檢測或是包裝出貨前檢查。并搭配監別/生成式AI模擬與訓練平臺，縮短標注資料的時間與人力、成本，可在不同場域快速部署。甚至是搭載於新一代協作、人型/多足機器人，以執行智慧巡檢等更復雜、實時（低延遲）的功能，成為推進AOI、機器視覺廠商未來成長的主要動力！
從2D邁向3D AOI 加速滲透普及
其中又可根據AOI系統的工作原理和應用場景，概分為2D/3D AOI，前者依賴於物體反射的光線分析，產生少了深度資訊的2D平面圖像，檢測能力有限，環境或人工照明的變化也可能會影響其準確性；後者則利用多個攝影機/感測器，例如LIDAR、飛行時間（ToF）和結構光等技術，從不同角度擷取、建構3D圖像，對於需要精確測量復雜形狀的應用至關重要，但缺點是對於設備成本、操作人員專業知識要求更高。
從以上2D~3D AOI的演進，也反映了現代制造業對日益復雜和精確檢測的需求。盡管2D AOI在簡單任務中具有速度和成本效益，但3D AOI系統也在邊緣AI實時處理的協助下，能在高速生產中變得實用。因此可全面檢查復雜元件和焊點，解決了過去難以檢測的缺陷，因制造商對更高品質標準和缺陷檢測能力的追求，推動了對更復雜如AI增強型檢測技術的投資。
目前AI如何增強AOI和光學字元辨識（OCR）的技術，則包含導入卷積神經網路（CNNs）等深度學習模型，以減少誤報、過殺；并簡化了演算法開發、系統設置及程式設計、判斷良品與否的??值微調，減少了人為變數及新設備的上市時間；進而對缺陷產品分類，甚至追溯制造過程中錯誤的根本原因，協助制造商優化流程并提高良率。
| 圖一 : Edge AI搭載於新一代協作、人型機器人，成為推進AOI、機器視覺廠商未來成長的主要動力！ |
|
如今有別於過去微調AOI系統，需要大量的專業知識和時間，即使沒有深厚工程背景的操作員也能利用AI訓練機器，實現更快部署、更廣泛的應用；以及跨產線達到一致的品質控制，將加速AOI在各行各業的采用，并推動用戶友善的AI檢測平臺進一步創新。
包含經過邊緣AI賦能的3D成像技術、鏡頭和AI演算法引導的機器人，也加強了嵌入式視覺系統的安全性，提供比傳統系統更高的準確性和更少的誤報，經過實時決策處理，提高生產力和安全性；并減少頻寬成本，簡化AOI的演算法開發，系統設置、程式設計和??值微調作業，縮短新設備的上市時間；降低持續的軟體支援成本，并強化了人臉識別、異常檢測和自動決策的能力。
邊緣AI導入工業機器人 提升自適應能力
同時代表了一項邊緣AI重要的技術趨勢，也就是不再只是漸進式的演化，而是朝向真正自主和適應性制造系統的根本性轉變。邊緣AI與機器視覺的融合正在生產線現場，進行品質控制、預測性維護和機器人引導協作的實時設備推論能力，并將工廠從被動式轉變為主動式、自我優化的營運實體，使機器能在本地「思考」和適應，自我優化制造環境。
其中真正的價值，不僅在於避免單一產品瑕疵或設備故障，更在於優化整個維護生命周期。透過在邊緣AI處理數據，「即時」檢測到異常情況，從而實現工廠即時智慧維護、品質控制，以及先進的庫存和布局規劃。將最大限度地減少了意外的生產中斷、對大量備件庫存的需求，并使維護團隊能更有效工作。
邊緣AI在智慧工廠系統中的應用，則代表著正朝向分散式智慧的轉變。包含邊緣設備，如攝影機、機器人、感測器等，應納入自動化流程，進而處理資訊并立即做出自主決策。
AOI融入改良流程 有效提高生產力
如仁寶電腦便將AI與精益自動化相結合，將整體生產力提高約20%，不僅反映在生產速度上，讓每位操作員的輸出幾??翻倍；并且在AOI的誤報率幾??降至零，顯示出仁寶在生產過程中對品質控制的重視。
仁寶電腦表示，這些改進并非單純的數據指標，而是基於實際的成本節省和交貨時間的縮短，任何無法降低成本或改善交付的工具都不會被納入生產流程中。這一理念推動了該公司在AI應用上，將海量數據分析轉化為更智慧的決策到生產自動化過程中，始終將人員的創新文化置於核心地位，不僅提升了生產的透明度，也促進了問責制和客觀解決問題的文化。
在具體的技術應用方面，仁寶的生產線上已經引入了先進的機器人和智慧控制系統，不僅提高了生產效率，還能動態調整以應對市場需求的變化。例如，仁寶在品質檢查上投資了針對產品量身定制的AI視覺演算法，這使得AOI的準確率達到近99%。這樣的改進不僅提升了產品的品質，也讓操作員能夠專注於解決更復雜的問題，從而進一步提高了生產力。
羅升企業也以「看得見、算得出、即時調整」的3大關鍵力為核心，強調即時可視，智慧決策，精準制造。經整合AI+3D視覺的深度學習與毫秒級精密運動控制等技術，引導智慧包裝堆棧應用，協助客戶打造高彈性、高韌性與高效率的制造實力，能縮短導入與換線時間；即時掌握設備狀態，讓客戶可在快速變動的制造環境中迅速決策，提升競爭力。
其中因傳統拆棧缺乏視覺輔助時，需逐一固定抓取，容易導致空抓浪費時間與能耗。羅升以 Mech-Mind AI 3D視覺技術為核心，搭配工業相機內建深度學習與圖形化介面，可即時辨識實際位置與姿態。再透過AI快速生成最隹路徑，No code流程編輯器即可拆倜、分揀、檢測與定位裝配，避免重復取放并精準處理混棧與緊密貼合箱件；支援多距離與環境光場景，處理混料堆疊、緊密貼合等復雜應用，縮短作業時間效率顯著提升。
| 圖二 : 羅升整合AI+3D視覺的深度學習與毫秒級精密運動控制技術，引導智慧包裝堆棧。(soruce:羅升) |
|
此外，面對注重產線效率與品質的生技食品產業，宇瞻擅長為其量身打造客制化的瑕疵檢測設備，例如今年為國內知名藥廠開發的inline線檢測設備，能迅速檢測裝填後塑膠藥瓶的液位、標簽及瓶身外觀等瑕疵。
其他像是連排枕式瓶、各材質藥瓶藥罐、膠囊藥錠PTP包裝等，宇瞻的機構團隊皆能依現行產線環境規劃自動化檢測設備，搭配自主研發的AI+AOI瑕疵辨識技術，快速精準檢測異常，并針對瑕疵類型進行統計與分析，協助藥廠與食品廠減少目檢人力，有助於制程優化。
| 圖三 : 宇瞻的智動化檢測設備可快速精準檢測異常，并能依各產業需求客制化開發。(source:宇瞻) |
|
除了面板與生技業外，宇瞻專業的光學檢測與研發團隊具備豐富的檢測經驗，對於金屬五金產業的齒輪、馬達、螺絲、螺帽等零件，或半導體制程與材料的表面異常、異物、尺寸偏誤等各種缺陷，皆能依據瑕疵樣態與現場環境，量身規劃AI+AOI檢測解決方案。
憑藉軟硬體整合能力與跨產業導入經驗，宇瞻將持續致力於協助制造業穩健升級，進一步邁向更高效智慧制造。
