不少產(chǎn)業(yè)的檢測(cè)方式已從土法煉鋼的人工檢測(cè)走向自動(dòng)光學(xué)檢測(cè)AOI(Automated Optical Inspection)，因?yàn)锳I尖端技術(shù)大幅躍進(jìn)，AOI在原有的基礎(chǔ)下搭載AI優(yōu)勢(shì)，發(fā)展出更為多元的AI+AOI智慧檢測(cè)應(yīng)用及解決方案，降低人力、時(shí)間成本、失誤率之餘，也大幅提高產(chǎn)線效率與產(chǎn)品良率。

從傳統(tǒng)檢測(cè)到AOI再到AI+AOI，檢測(cè)技術(shù)與使用工具歷經(jīng)幾次迭代。與傳統(tǒng)檢測(cè)相比，AOI使用高解析度攝影鏡頭搭配與時(shí)俱進(jìn)的影像處理算法，透過機(jī)器視覺取代人力的雙眼、大腦及動(dòng)作，可以快速、精準(zhǔn)地檢測(cè)產(chǎn)品缺陷與異常，這些優(yōu)勢(shì)的幕後功臣涉及自動(dòng)化、電控、光學(xué)照明、視覺量測(cè)、影像處理、定位量測(cè)、感測(cè)等技術(shù)領(lǐng)域。

相較於傳統(tǒng)檢測(cè)，AOI最大的優(yōu)勢(shì)在於自動(dòng)化、高效率、高靈敏、高精度，以及非接觸性，有助節(jié)省成本、提高效率與安全性，而且AOI不需直接接觸檢測(cè)物，有助降低損壞風(fēng)險(xiǎn)，尤其適合大規(guī)模生產(chǎn)及表面缺陷檢測(cè)。

AOI的缺點(diǎn)包含投入成本較傳統(tǒng)檢測(cè)高、須累積一定的專業(yè)知識(shí)與技術(shù)能量才能確保檢測(cè)品質(zhì)與精準(zhǔn)度；被檢測(cè)物表面如果出現(xiàn)反射、不規(guī)則、不平坦等特殊狀況，可能影響檢測(cè)效果；某些檢測(cè)場(chǎng)景可能無法發(fā)揮AOI效能，如受檢測(cè)物內(nèi)部結(jié)構(gòu)及細(xì)部瑕疵檢測(cè)，必要時(shí)可能需要其他輔助檢測(cè)方法補(bǔ)強(qiáng)。舉例來說，傳統(tǒng)AOI檢測(cè)設(shè)備需要控制環(huán)境、光源及拍攝角度等條件，還要明確量測(cè)目標(biāo)物特徵，同時(shí)需要藉由人工方式定義瑕疵樣本特徵，才有利於AOI篩檢，一旦面臨新的檢測(cè)物，多半需要重新設(shè)置AOI檢測(cè)流程，這部份相對(duì)耗時(shí)費(fèi)工。

產(chǎn)量高、品管要求高的產(chǎn)線多半會(huì)使用AOI進(jìn)行篩檢，如半導(dǎo)體產(chǎn)業(yè)、手機(jī)零組件、醫(yī)療器材等在意高良率、高單價(jià)的產(chǎn)線，面對(duì)這類產(chǎn)線，AOI不只可以肩負(fù)檢查、剔除瑕疵的角色，還可以成為資料蒐集者。透過AOI不斷累積的瑕疵數(shù)據(jù)，經(jīng)過合理分析、歸納等流程，可以梳理成大數(shù)據(jù)資料庫，找出不良率發(fā)生原因。

眾所周知，深度學(xué)習(xí)（Deep Learning）與數(shù)據(jù)歸納分析是AI的強(qiáng)項(xiàng)，只要將產(chǎn)線的各項(xiàng)進(jìn)出與瑕疵資料輸入系統(tǒng)，經(jīng)過迭代就能分析影響良率的關(guān)鍵參數(shù)，直擊瑕疵肇因，甚至梳理出簡化製程的各項(xiàng)解決方案。未來，隨著AOI導(dǎo)入AI新興技術(shù)，AOI將逐步走向智慧自動(dòng)光學(xué)檢測(cè)(Intelligent Automatic Optical Inspection)。

雙A合璧 智慧再升級(jí)

晟格科技指出，AOI在產(chǎn)業(yè)方面的應(yīng)用已經(jīng)越來越普遍，AOI搭配AI數(shù)據(jù)歸納分析，檢測(cè)效果更佳。就開發(fā)速度或演算速度來說，AI具有一定優(yōu)勢(shì)，只要具備足夠的瑕疵樣品，AI可以快速學(xué)習(xí)、高效分析，2分鐘內(nèi)就能學(xué)習(xí)100PCS 5M的NG照片，還可以產(chǎn)生原始碼加入系統(tǒng)程式中。即便產(chǎn)品受限於製程調(diào)整，AI也能快速學(xué)習(xí)、產(chǎn)生經(jīng)驗(yàn)參數(shù)。之後，累積各種NG經(jīng)驗(yàn)或調(diào)整演算法後，AI照樣可以快速學(xué)習(xí)，產(chǎn)生新的經(jīng)驗(yàn)參數(shù)，加入系統(tǒng)程式中。萬一產(chǎn)品成像較為模糊，AI還是可以透過學(xué)習(xí)更多照片找出瑕疵。

不過，AI不容易處理未知的瑕疵，運(yùn)作時(shí)需要搭配較高的硬體要求，比方訓(xùn)練模型，實(shí)際測(cè)試時(shí)也需要大量的運(yùn)算資源，尤其AI訓(xùn)練前的標(biāo)示(Label)工作須花費(fèi)較長時(shí)間。美國研究公司Cognilytica分析，AI用於標(biāo)示 （Labeling）、清理（Cleaning）、調(diào)整參數(shù)（Augmenting）等處理資料的時(shí)間約占總時(shí)間長度的80%，即使可以使用標(biāo)示工具及軟體，Labeling仍然是多數(shù)工程師花費(fèi)最多時(shí)間的執(zhí)行項(xiàng)目。

圖1 : 機(jī)器學(xué)習(xí)各項(xiàng)任務(wù)的時(shí)間百分比。(source：Cognilytica)

即便如此，AOI與AI強(qiáng)強(qiáng)聯(lián)手仍是現(xiàn)階段智慧檢測(cè)的最佳解。工研院產(chǎn)科國際所執(zhí)行產(chǎn)業(yè)技術(shù)基磐研究與知識(shí)服務(wù)計(jì)畫產(chǎn)業(yè)分析師黃仲宏指出，以AI深度學(xué)習(xí)技術(shù)進(jìn)行AOI瑕疵檢測(cè)的優(yōu)點(diǎn)在於，影像特徵萃取可以交由深層類神經(jīng)網(wǎng)路透過訓(xùn)練流程自動(dòng)完成，相較於人工定義瑕疵特徵的傳統(tǒng)AOI技術(shù)，AI深度學(xué)習(xí)搭配AOI瑕疵檢測(cè)的應(yīng)用範(fàn)圍及彈性更大。比方PCB產(chǎn)業(yè)產(chǎn)品升級(jí)後，朝細(xì)線距、多層數(shù)等技術(shù)發(fā)展，AI技術(shù)有助加速製程及瑕疵檢驗(yàn)。

此外，半導(dǎo)體製程持續(xù)微縮、奈米化，先進(jìn)製程已朝多層堆疊發(fā)展，晶片體積只會(huì)更小、更省電、效能更強(qiáng)，在3D堆疊技術(shù)、異質(zhì)封裝技術(shù)快速演進(jìn)下，AOI同樣必須朝極精密檢測(cè)方向發(fā)展，因此，導(dǎo)入AI進(jìn)行瑕疵檢測(cè)有其必要性，結(jié)合機(jī)器視覺與AI技術(shù)可以執(zhí)行晶圓電路缺陷分析及電路瑕疵檢測(cè)，可大幅縮短檢測(cè)時(shí)間，提升晶圓產(chǎn)能與良率。

未來，隨著AI技術(shù)快速發(fā)展，AI+AOI帶動(dòng)的智慧自動(dòng)光學(xué)檢測(cè)或智慧影像辨識(shí)技術(shù)勢(shì)必形成新的智慧檢測(cè)風(fēng)潮。AI深度學(xué)習(xí)與模型訓(xùn)練不僅可以自主學(xué)習(xí)、快速上線，將人工檢測(cè)經(jīng)驗(yàn)?zāi)Ｐ突€能利用演算法分析、判斷，形成資料庫，以便未來線上檢測(cè)之用，也能針對(duì)未知瑕疵進(jìn)行主動(dòng)識(shí)別、即時(shí)檢測(cè)，一旦發(fā)現(xiàn)良率下降，還能即時(shí)調(diào)整產(chǎn)線、設(shè)備與人力，避免浪費(fèi)時(shí)間與人力，而AI模型輔助判斷有助降低對(duì)人工的依賴，同時(shí)分?jǐn)偧敖档蜋z驗(yàn)員的工作量。簡單來說，AI+AOI智慧檢測(cè)至少可以發(fā)揮以下作用：

1.產(chǎn)品/物料智慧檢測(cè)

如檢測(cè)產(chǎn)品影像/物料資訊就能快速判斷產(chǎn)品/物料正確性，避免出錯(cuò)；透過智慧目視檢測(cè)有助自動(dòng)判斷產(chǎn)品外觀；結(jié)合影像資料可以劃分重點(diǎn)檢查區(qū)域。

2.優(yōu)化影像智慧辨識(shí)

透過AI+AOI執(zhí)行影像判讀，可以降低誤判率，減少二次人工目測(cè)檢驗(yàn)所需成本，還能透過數(shù)位串流方式即時(shí)辨識(shí)各機(jī)臺(tái)的生產(chǎn)狀況。

3.動(dòng)作影像智慧分析

可以精準(zhǔn)判斷作業(yè)步驟正確性以提升產(chǎn)品品質(zhì)及製程效率。

4.數(shù)據(jù)智慧擷取

如讀取HMI資訊，藉此蒐集各項(xiàng)可視化數(shù)據(jù)，讓所有人員同步掌握系統(tǒng)、產(chǎn)

線狀況，還能監(jiān)測(cè)異常警示、事後回溯。

5.整合數(shù)位工作流程

將圖文、數(shù)字等資訊轉(zhuǎn)換成機(jī)器可讀格式，有助整合工作/文件/數(shù)位流程，

提高效率、降低成本支出。

6.智慧安全防護(hù)

透過AI導(dǎo)入人臉辨識(shí)與影像監(jiān)控等技術(shù)可以強(qiáng)化安全性，提升廠房管理效

率。

AI+AOI的應(yīng)用場(chǎng)景與智慧解決方案

已有不少國內(nèi)業(yè)者搶進(jìn)AI+AOI應(yīng)用領(lǐng)域或提出解決方案，甚至形成跨域檢測(cè)生態(tài)系。以晟格科技的轉(zhuǎn)盤型外觀檢查機(jī)來說，就具有高速高精密檢測(cè)、AI學(xué)習(xí)辨識(shí)能力、完整瑕疵標(biāo)記及記錄功能，以及提供即時(shí)良率統(tǒng)計(jì)圖、機(jī)臺(tái)操作權(quán)限管理等功能。

圖2 : 具有AI學(xué)習(xí)辨識(shí)能力的轉(zhuǎn)盤型檢查機(jī)。（source：晟格科技）

ChatGPT等超大型AI模型的興起，帶動(dòng)AI人工智慧的無窮想像。微軟(Microsoft)研究報(bào)告指出，AI模型的成長速度是GPU卡中DRAM成長速度的200倍，目前的AI運(yùn)算硬體架構(gòu)成長速度可能無法滿足新的AI應(yīng)用需求，如此將提高AI建置成本。

群聯(lián)電子今年7月推出自主研發(fā)的AI人工智慧運(yùn)算服務(wù)「aiDAPTIV+」有助降低建置成本，透過整合固態(tài)硬碟（SSD）的AI運(yùn)算架構(gòu)，將大型AI模型做結(jié)構(gòu)性拆分，讓模型參數(shù)隨應(yīng)用時(shí)間序列與SSD協(xié)同運(yùn)行，在有限的GPU與DRAM資源下，有效降低AI硬體建構(gòu)成本。aiDAPTIV+AOI光學(xué)檢測(cè)系統(tǒng) (簡稱Phison aiDAPTIV+AOI服務(wù))可以協(xié)助SMT工廠加速進(jìn)入工業(yè)4.0，進(jìn)一步提升檢測(cè)精準(zhǔn)度，降低人力檢測(cè)的不穩(wěn)定性。

岳揚(yáng)智控專攻成衣布料AI智慧驗(yàn)布機(jī)，協(xié)助國內(nèi)紡織業(yè)者數(shù)位轉(zhuǎn)型，近期打入車用光學(xué)板材AI-AOI檢驗(yàn)設(shè)備供應(yīng)鏈，與國內(nèi)光學(xué)薄膜大廠技術(shù)合作，共同開發(fā)完成泛用型AI-AOI自動(dòng)化In-Line線檢測(cè)設(shè)備，3秒即可完成一片450mm×450mm膜片檢測(cè)，瑕疵檢出率達(dá)95%，可直接串接現(xiàn)有生產(chǎn)線，用於擴(kuò)散膜、增亮膜、複合膜、量子點(diǎn)膜等多種光學(xué)薄膜檢測(cè)。此外，岳揚(yáng)智控還運(yùn)用薄膜檢測(cè)技術(shù)，開發(fā)完成用於檢測(cè)光學(xué)板材的自動(dòng)檢查設(shè)備，如面板玻璃、導(dǎo)光板、光學(xué)壓克力板等，並已成功導(dǎo)入車用壓克力面板的In-Line生產(chǎn)線。

圖3 : AI-AOI自動(dòng)化In-Line線檢測(cè)設(shè)備。(Source：岳揚(yáng)智控)

凌華科技則是與AI解決方案夥伴樂達(dá)創(chuàng)意科技合作，將AI機(jī)器視覺演算法搭載於凌華科技AI機(jī)器視覺系統(tǒng)，提供完整的AI+AOI解決方案，協(xié)助隱形眼鏡製造商提高檢測(cè)準(zhǔn)確性與速度。凌華指出，人工方式每天僅能檢測(cè)4,000片隱形眼鏡，傳統(tǒng)機(jī)器視覺自動(dòng)光學(xué)檢測(cè)是透過固定的幾何圖形演算法判斷瑕疵，然而，要從高度透明的隱形眼鏡中取得高品質(zhì)且大量的瑕疵樣本影像並不容易，而且容易影響檢測(cè)品質(zhì)。透過人工智慧自動(dòng)光學(xué)檢測(cè) (AI-enabled AOI) 解決方案，整合作業(yè)系統(tǒng)、硬體及AI軟體後，可以讓隱形眼鏡檢測(cè)量提升50倍，檢測(cè)準(zhǔn)確性提升65%。

圖4 : AI機(jī)器視覺專案平臺(tái)可以讓隱形眼鏡檢測(cè)量提升50倍，檢測(cè)準(zhǔn)確性提升65%。(source：凌華科技)

兆米智慧檢測(cè)積極透過AIoT賦能AOI檢測(cè)解決方案，包含提升既有rule-based半導(dǎo)體COF封裝機(jī)臺(tái)的檢測(cè)效能、提供僅具取像功能的輪胎氣泡機(jī)臺(tái)自動(dòng)瑕疵檢測(cè)系統(tǒng) (ADR)、開發(fā)IC測(cè)試座探針檢測(cè)機(jī)臺(tái)等。在微軟(Microsoft)的技術(shù)支持下，該公司推出業(yè)界首創(chuàng)檢出率達(dá)99.9%的瑕疵檢測(cè)解決方案(輪胎氣泡檢測(cè))，協(xié)助正新橡膠導(dǎo)入AI輪胎瑕疵檢測(cè)自動(dòng)化，由AI自動(dòng)判斷輪胎是否產(chǎn)生氣泡瑕疵，成為全球輪胎業(yè)引進(jìn)AI瑕疵檢測(cè)的先驅(qū)。

兆米智慧與正新輪胎歷經(jīng)9次AI模型訓(xùn)練及再訓(xùn)練，人工驗(yàn)證逾80萬張照片後，終於達(dá)成99.9%的檢出率，找到混合式雲(yún)地架構(gòu)解決方案，成功讓正新橡膠落實(shí)全線關(guān)燈生產(chǎn)，將三班制人工檢測(cè)降為一班制，不只減輕人力負(fù)擔(dān)，還能避免缺工帶來的營運(yùn)風(fēng)險(xiǎn)。

正新橡膠工業(yè)協(xié)理陳柏嘉指出，透過氣泡檢出機(jī)取得產(chǎn)線輪胎照片，再傳輸至地端邊緣運(yùn)算設(shè)備Azure Stack Edge，由Azure進(jìn)行影像判讀，並將判讀結(jié)果即時(shí)回饋產(chǎn)線，進(jìn)而剔除氣泡瑕疵輪胎，檢測(cè)員只需針對(duì)判讀結(jié)果複檢確認(rèn)即可。Azure Stack Edge會(huì)將存放於邊緣運(yùn)算設(shè)備中的照片上傳至Azure，一旦AI模型需要重新學(xué)習(xí)及訓(xùn)練，可以透過Azure IoT將新模型傳送至Azure Stack Edge，以維持AI模型的辨識(shí)準(zhǔn)確度。

圖5 : 微軟、正新橡膠與兆米智慧三方合作，找到AI+AOI智慧檢測(cè)解決方案。(source：Microsoft)

微軟、正新橡膠與兆米智慧三方合作，為AI+AOI智慧檢測(cè)做出良好示範(fàn)，透過跨域生態(tài)系創(chuàng)新平臺(tái)找到自動(dòng)化-智動(dòng)化-智能化的數(shù)位解決方案。未來，隨著AI與AOI技術(shù)不斷演進(jìn)，勢(shì)必出現(xiàn)更多創(chuàng)新解決方案，結(jié)合傳統(tǒng)檢測(cè)、AOI與AI之能，提供更全面、精準(zhǔn)與可靠的智慧檢測(cè)方案。