AI（人工智慧）在2016年底重新啟動後，迅速成為各產(chǎn)業(yè)焦點，拜網(wǎng)際網(wǎng)路蓬勃與半導體技術(shù)精進所賜，這波AI發(fā)展已快速落地應(yīng)用，而在各項應(yīng)用中，影像識別又是比例最高者。在製造業(yè)中，影像技術(shù)在生產(chǎn)與廠務(wù)兩端都有所應(yīng)用，生產(chǎn)端主要為機器視覺，作為產(chǎn)品檢測之用，廠務(wù)端則是電腦視覺，用於工安、環(huán)境的偵測，而AI目前在這兩部分都已有成功應(yīng)用。

圖1 : 在製造業(yè)中，影像技術(shù)在生產(chǎn)與廠務(wù)兩端都有所應(yīng)用，生產(chǎn)端主要為機器視覺，作為產(chǎn)品檢測之用，廠務(wù)端則是電腦視覺，用於工安、環(huán)境的偵測。（source：Phase 1 Technology）

全球市場競爭日益激烈，製造業(yè)者所面臨的壓力越來越大，AI在視覺系統(tǒng)的應(yīng)用成效明確，所產(chǎn)生的效益也可量化計算，再加上影像是目前較容易取得的數(shù)據(jù)資料，因此投入開發(fā)者眾，市場可選擇的解決方案數(shù)量也比其他應(yīng)用多，在供需兩端的態(tài)度均為積極的態(tài)勢下，市場迅速成長。

不過對製造業(yè)來說，AI畢竟是全新技術(shù)，在製造現(xiàn)場實際應(yīng)用時，仍需克服大量問題，對此目前設(shè)備供應(yīng)商與系統(tǒng)整合商都展開不同的作法，凌華科技智能工廠事業(yè)中心市場開發(fā)經(jīng)理楊家瑋就指出，如何選擇適用的AI架構(gòu)與系統(tǒng)整合商，將是目前製造業(yè)者導入機器視覺的首要挑戰(zhàn)。

降低導入難度 強化AI效益

圖2 : 凌華科技智能工廠事業(yè)中心市場開發(fā)經(jīng)理楊家瑋指出，選擇適用的AI架構(gòu)與系統(tǒng)整合商，將是目前製造業(yè)者導入機器視覺的首要挑戰(zhàn)。（攝影／王明德）

楊家瑋以凌華為例，凌華以自動化設(shè)備資料採擷起家，在此一領(lǐng)域已有多年經(jīng)驗，近年來AI興起，凌華也開始強化此領(lǐng)域的布局，除了持續(xù)推出新產(chǎn)品外，也積極建立產(chǎn)業(yè)生態(tài)圈，結(jié)合不同領(lǐng)域的系統(tǒng)整合商，提供完整解決方案。

作為產(chǎn)品檢測主力設(shè)備，機器視覺在生產(chǎn)線的重要性極高，要置換新設(shè)備或新系統(tǒng)，都必須考量到導入時間與成本，因此凌華近期以熱插拔（Plug & Play）的作法，降低導入時的困難度與複雜度，同時減少新舊系統(tǒng)交替時的成本支出。

首先是生產(chǎn)設(shè)備的熱插拔，其次是AI平臺的熱插拔，第三是推論模式的熱插拔，這三大作法解決了製造商的幾個問題，首先是尚未擁有AI模型的製造系統(tǒng)，可藉此快速建立，其次是透過效能夠強的推論模型，修正訓練模型所完成的模式，在現(xiàn)場使用時的不足，最後則是強化與其他系統(tǒng)的整合。

在生產(chǎn)設(shè)備的熱插拔部分，楊家瑋指出可以在機器視覺原有的影像擷取卡中加入運算處理功能，透過邊際運算的設(shè)計，大幅減少現(xiàn)場設(shè)備的體積，而且在GPU與CPU廠商的技術(shù)推動下，現(xiàn)在處理器的運算能力大幅提升，可以單一處理器運算4～8個通道的視覺系統(tǒng)，釋放出設(shè)備中原有的插槽空間，讓設(shè)備做更有彈性的應(yīng)用。

在推論端，凌華科技在近期推出DataRiver中介軟體，並將各種應(yīng)用模組化，使用者可透過DataRiver取用所需的功能模組，其中就包含取像的熱插拔，快速導入至製程系統(tǒng)中，而除了功能導入外，使用者也可經(jīng)由DataRiver將機器視覺的影像顯示於他處，讓系統(tǒng)更具彈性。

另外AWS與Microsoft的公有雲(yún)，現(xiàn)在都提供了深度學習的服務(wù)，為使製造業(yè)者善加利用這些資源，凌華科技設(shè)計出各種應(yīng)用機制，讓製造業(yè)者在使用上述公有雲(yún)，乃至於其他系統(tǒng)廠商所推出的AI功能時，可快速建構(gòu)出符合自身需求的機器視覺系統(tǒng)。

因應(yīng)現(xiàn)場特色　調(diào)整AI架構(gòu)

圖3 : AI在製造業(yè)的應(yīng)用中，機器視覺是目前導入速度最快的領(lǐng)域。（攝影／王明德）

雖然在不同環(huán)節(jié)都有對應(yīng)的方式，不過這些作法彙整到工廠時，仍須因應(yīng)現(xiàn)場環(huán)境而有所調(diào)整，尤其是部分難以取得數(shù)據(jù)的製造業(yè)更需如此。楊家瑋指出，製造業(yè)目前仍有像是LCD玻璃基板的刮痕之類的產(chǎn)品瑕疵，現(xiàn)有的機器視覺難以檢測，因此現(xiàn)在有廠商希望透過AI的深度學習解決此一問題。

不過，現(xiàn)在有幾個難點，首先是資料難以取得，在製程成熟的製造業(yè)中，產(chǎn)線良率都已相當高，在不良品數(shù)量偏低的狀況下，AI難以採擷到足以建立訓練模式的分析數(shù)據(jù)。

對此，凌華科技採用反向?qū)W習法，將數(shù)據(jù)採樣方向由不良品轉(zhuǎn)為良品，透過大量的合格產(chǎn)品樣本，建立起「正確樣貌」的數(shù)據(jù)庫，在訓練模式中，只要不合於正確樣貌的產(chǎn)品，都會被歸類於不良品，楊家瑋指出，在實際應(yīng)用中，這種作法雖仍會有漏網(wǎng)之魚，不過相較於現(xiàn)有檢測方式，其檢出率已大有改善，是目前AI機器視覺在產(chǎn)線應(yīng)用中最實際的作法。

再就機器視覺的產(chǎn)業(yè)構(gòu)成來看，目前主要的系統(tǒng)整合商會包括AOI、AI與IT等三大族群，這三大族群各從不同角度出發(fā)，所擅長的AI技術(shù)也不同，楊家瑋指出，由於AI沒有通用模型，每一類型需求都需要對應(yīng)不同的AI模型，而每家系統(tǒng)整合廠商所擅長的AI也不盡相同，因此在導入過程中，廠商必須與不同的系統(tǒng)整合廠商合作，才能打造出最佳化系統(tǒng)，凌華目前與這三種類型的系統(tǒng)整合廠商均有合作，建構(gòu)出完整的產(chǎn)業(yè)生態(tài)圈。

電腦視覺確保勞工安全

AI機器視覺在產(chǎn)線的應(yīng)用已越來越深，不過另一種視覺技術(shù)在工廠的應(yīng)用，不但不遑多讓，而且應(yīng)用的廣度更大，也就是電腦視覺。在製造領(lǐng)域，電腦視覺主要應(yīng)用於廠務(wù)端，像是工安、環(huán)境監(jiān)測等。電腦視覺的系統(tǒng)架構(gòu)與機器視覺不同，主要是透過安全監(jiān)控攝影機與智慧軟體的整合，達到各種智慧化功能。

這類型架構(gòu)在安全監(jiān)控領(lǐng)域早有應(yīng)用，也就是IVS（Intelligence Video Surveillance System；智慧型影像監(jiān)控），IVS透過軟體偵測特定區(qū)域的人事物，可將處理時間由事後提前至事發(fā)，甚至是事前，達到「大事化小、小事化無」的目標。而AI技術(shù)的導入，則再次強化了電腦視覺的智慧化功能。

透過AI技術(shù)，電腦視覺在廠務(wù)系統(tǒng)的應(yīng)用更多元且更具智慧化，楊家瑋以工安為例，現(xiàn)在已可將生產(chǎn)現(xiàn)場作業(yè)人員的標準工序、穿著、機臺操作方式建置於系統(tǒng)內(nèi)，並由前端攝影機負責監(jiān)控，一旦有非標準穿著人員進入，或是激態(tài)操作方式不正確，系統(tǒng)就會發(fā)出警告，要求相關(guān)人員改善，而且在工廠動線中不同處就有各自的監(jiān)控目標，像是特定區(qū)域的入口處會偵測服裝穿著、機臺前會偵測操作方式等，透過層層的環(huán)節(jié)把關(guān)，打造出最安全的工作環(huán)境，也讓AI的應(yīng)用價值再次提升。