近幾年工業4.0帶起智慧製造浪潮，與過去側重硬體效能的製造系統相比，新世代智慧製造更重視軟硬整合，透過軟硬體平臺，機器視覺現已可整合機械手臂、工業相機與自動光學檢查(Automated Optical Inspection; AOI)演算法，提供製造業者快速導入、簡易上手的產線視覺檢測解決方案。
偲捷科技總經理陳青煒表示，製造系統須具備高度專業，機械工程師的培養難度相當高，因此高專業且操作介面精簡的軟體平臺，將有助於製造業者提升工作效率，並縮短人才的培育時間。
| 圖1 : 偲捷科技總經理陳青煒(左)與先進技術經理廖伯霖均表示，產線檢測則是辨識率須達 99% 以上、影像資料少，但辨識物背景單純，因此AI 需要特別設計。(攝影／王明德) |
|
陳青煒以該公司的SmaSEQ軟體平臺為例，SmaSEQ偲捷科技成立時推出第1版，現已推出第 2 版，新版本重整了平臺底層，並透過人工智慧 (AI) 降低操作門檻，陳青煒進一步表示，影像辨識仍是目前AI的最主要應用，尤其是在產線的瑕疵檢測，AI的快速辨識與自我學習功能，可讓建置效益快速浮現，進而強化客戶的導入意願，目前市場的導入已經加速，未來發展潛力相當驚人。
工業環境大不同 GPU需求特殊
陳青煒指出，檢測是產線維持品質的主要環節，過去多以人力檢視產品外觀有無瑕疵，然而人眼檢視除了會因工作時間的拉長導致品質下降外，越來越快的生產速度與部分小體積產品，人眼也難以負荷，因此後來AOI開始被應用在製造現場，透過高解析工業相機與高效能影像軟體，強化製程的檢測效率。
在製程中，儘管AOI檢測需要繁複設定，但過去大量生產的製造模式，只需要在導入前設定一次，對製造業者來說並不算沉重的負擔，不過近年來消費市場型態改變，多樣化生產需求開始浮現，產線彈性化需求大增，可快速設定並有自我學習能力的 AI 逐漸被應用在產線視覺檢測，這也是AI視覺檢測平臺在這幾年成長快速的原因。
不過要將AI應用到生產視覺檢測有其挑戰，AI演算法是Open Source，要拿到可套用的模型並不難，而且辨識率可達 95%，在一般消費性產品中已然足夠，不過在工廠並不適用。
| 圖2 : AOI透過高解析工業相機與高效能影像軟體，強化製程的檢測效率。(Source:Texas Instruments) |
|
偲捷科技先進技術經理廖伯霖表示，消費性產品如手機的Face ID或門禁的人臉、行為識別，其特色是辨識率要求不高、影像資料龐大且辨識物背景複雜，而產線檢測則是辨識率須達 99% 以上、影像資料少，但辨識物背景單純，因此 AI 需要特別設計。
除了需要特別設計外，成本是另一個考量，AI 演算法目前最佳的硬體處理器是 GPU，而現在市場上的GPU又以NVIDIA產品為主要選擇，廖伯霖表示，之前偲捷科技的GPU是使用 NVIDIA GeForce系列產品做為檢測之用。不過目前的工業電腦一部只能安裝一張 GPU，由於外觀檢測需要檢測物體的 6 面，需要有 6 部工業相機，而每部工業相機都需要一張 GPU 進行運算，因此過去需要有 6 部電腦的同時運作，設備成本相當高，這也是目前多數AI視覺檢測的主要困擾。
另外由於AI成長快速，市場對GeForce的需求大增，而GeForce則主要作為消費性產品所用，其產品的供貨期較短，而工業設備的使用年限都較長，一旦供應商斷貨，設備有可能因故障導致停擺，造成損失。
工規特色GPU滿足所需
為了解決成本與供貨問題，包括偲捷科技在內的多數視覺檢測方案廠商，都不斷尋找市面上符合工規標準的 GPU，對此偲捷科技則採用了NVIDIA Jetson TX2 與 Jetson AGX Xavier，主要考量在於此款 GPU 可以外接型態運作，因此偲捷科技的平臺則可以在一部工業電腦上外接 6 張 GPU，其效能與過去的 6 部電腦一致，不但大幅降低了設備的購置成本，也有效縮減產線空間並提升設備維修效率。
至於效率方面更是大幅增加，陳青煒指出，因應AI設計導入GPU後，過去需要數天的前端AI訓練(Training)，導入後僅需2小時，效益提升了30倍，而實際上線後，也將原來1秒多的運算時間縮短到5毫秒。
另外，由於工廠環境嚴苛且設備都需要長時間運作，因此其穩定性、寬溫都有高度要求，因此陳青煒建議必須採用可滿足這些要求，且有長供期保證與完善售後服務機制，以解決產品後續的維修問題。
強化競爭力 將是未來設備主要選擇
| 圖3 : 對於AI視覺檢測系統的GPU選擇條件，陳青煒認為效能、穩定、成本、彈性是4大重點。(Source:Cognex) |
|
對於AI視覺檢測系統的GPU選擇條件，陳青煒認為效能、穩定、成本、彈性是4大重點，另外也須視本身系統設計，選擇合適產品，像是NVIDIA Jetson TX2與Jetson AGX Xavier的外接特色就解決了偲捷科技SmaSEQ軟體平臺需求，陳青煒表示，製程檢測的AI智慧影像辨識平臺，對GPU效能有一定程度的效能需求，他以偲捷科技所選用的GPU，就非常適用於產線視覺檢測等有邊緣運算需求的平臺，另外廠商也必須注意是否有長期的供貨保證與工業規格，才能讓設備供應商和導入企業無後顧之憂。
此外在成本考量與製程彈性方面，偲捷科技是看到其可外接特色，讓一部工業電腦可外接6張以上的GPU，藉此省去購置重複設備的成本，也讓產線彈性更佳，這些特色都能強化設備供應商的競爭優勢。
對於未來趨勢，陳青煒認為AI 已是新世代製造系統的既定趨勢，除了「用 AI」之外，「做 AI」也是龐大商機，而要針對特定應用領域設計AI平臺，除了系統本身軟體外，硬體元件也是重點，尤其是工業領域所用的系統，近年來側重邊際運算架構，因此GPU成為系統效能的指標，而GPU的選擇不僅必須考量效能，系統的穩定性、彈性、延伸性與成本也都是必要因素，在系統設計初期這些因素就必須被同步納入，方能打造出最適於產線的視覺檢測平臺。
