不少產(chǎn)業(yè)的檢測方式已從土法煉鋼的人工檢測走向自動光學檢測AOI(Automated Optical Inspection)，因為AI尖端技術(shù)大幅躍進，AOI在原有的基礎(chǔ)下搭載AI優(yōu)勢，發(fā)展出更為多元的AI+AOI智慧檢測應(yīng)用及解決方案，降低人力、時間成本、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)檢測到AOI再到AI+AOI，檢測技術(shù)與使用工具歷經(jīng)幾次迭代。與傳統(tǒng)檢測相比，AOI使用高解析度攝影鏡頭搭配與時俱進的影像處理算法，透過機器視覺取代人力的雙眼、大腦及動作，可以快速、精準地檢測產(chǎn)品缺陷與異常，這些優(yōu)勢的幕後功臣涉及自動化、電控、光學照明、視覺量測、影像處理、定位量測、感測等技術(shù)領(lǐng)域。

相較於傳統(tǒng)檢測，AOI最大的優(yōu)勢在於自動化、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不需直接接觸檢測物，有助降低損壞風險，尤其適合大規(guī)模生產(chǎn)及表面缺陷檢測。

AOI的缺點包含投入成本較傳統(tǒng)檢測高、須累積一定的專業(yè)知識與技術(shù)能量才能確保檢測品質(zhì)與精準度；被檢測物表面如果出現(xiàn)反射、不規(guī)則、不平坦等特殊狀況，可能影響檢測效果；某些檢測場景可能無法發(fā)揮AOI效能，如受檢測物內(nèi)部結(jié)構(gòu)及細部瑕疵檢測，必要時可能需要其他輔助檢測方法補強。舉例來說，傳統(tǒng)AOI檢測設(shè)備需要控制環(huán)境、光源及拍攝角度等條件，還要明確量測目標物特徵，同時需要藉由人工方式定義瑕疵樣本特徵，才有利於AOI篩檢，一旦面臨新的檢測物，多半需要重新設(shè)置AOI檢測流程，這部份相對耗時費工。

產(chǎn)量高、品管要求高的產(chǎn)線多半會使用AOI進行篩檢，如半導體產(chǎn)業(yè)、手機零組件、醫(yī)療器材等在意高良率、高單價的產(chǎn)線，面對這類產(chǎn)線，AOI不只可以肩負檢查、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，深度學習（Deep Learning）與數(shù)據(jù)歸納分析是AI的強項，只要將產(chǎn)線的各項進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解決方案。未來，隨著AOI導入AI新興技術(shù)，AOI將逐步走向智慧自動光學檢測(Intelligent Automatic Optical Inspection)。

雙A合璧 智慧再升級

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，只要具備足夠的瑕疵樣品，AI可以快速學習、高效分析，2分鐘內(nèi)就能學習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也能快速學習、產(chǎn)生經(jīng)驗參數(shù)。之後，累積各種NG經(jīng)驗或調(diào)整演算法後，AI照樣可以快速學習，產(chǎn)生新的經(jīng)驗參數(shù)，加入系統(tǒng)程式中。萬一產(chǎn)品成像較為模糊，AI還是可以透過學習更多照片找出瑕疵。

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

圖1 : 機器學習各項任務(wù)的時間百分比。(source：Cognilytica)

即便如此，AOI與AI強強聯(lián)手仍是現(xiàn)階段智慧檢測的最佳解。工研院產(chǎn)科國際所執(zhí)行產(chǎn)業(yè)技術(shù)基磐研究與知識服務(wù)計畫產(chǎn)業(yè)分析師黃仲宏指出，以AI深度學習技術(shù)進行AOI瑕疵檢測的優(yōu)點在於，影像特徵萃取可以交由深層類神經(jīng)網(wǎng)路透過訓練流程自動完成，相較於人工定義瑕疵特徵的傳統(tǒng)AOI技術(shù)，AI深度學習搭配AOI瑕疵檢測的應(yīng)用範圍及彈性更大。比方PCB產(chǎn)業(yè)產(chǎn)品升級後，朝細線距、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。

此外，半導體製程持續(xù)微縮、奈米化，先進製程已朝多層堆疊發(fā)展，晶片體積只會更小、更省電、效能更強，在3D堆疊技術(shù)、異質(zhì)封裝技術(shù)快速演進下，AOI同樣必須朝極精密檢測方向發(fā)展，因此，導入AI進行瑕疵檢測有其必要性，結(jié)合機器視覺與AI技術(shù)可以執(zhí)行晶圓電路缺陷分析及電路瑕疵檢測，可大幅縮短檢測時間，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帶動的智慧自動光學檢測或智慧影像辨識技術(shù)勢必形成新的智慧檢測風潮。AI深度學習與模型訓練不僅可以自主學習、快速上線，將人工檢測經(jīng)驗?zāi)Ｐ突€能利用演算法分析、判斷，形成資料庫，以便未來線上檢測之用，也能針對未知瑕疵進行主動識別、即時檢測，一旦發(fā)現(xiàn)良率下降，還能即時調(diào)整產(chǎn)線、設(shè)備與人力，避免浪費時間與人力，而AI模型輔助判斷有助降低對人工的依賴，同時分攤及降低檢驗員的工作量。簡單來說，AI+AOI智慧檢測至少可以發(fā)揮以下作用：

1.產(chǎn)品/物料智慧檢測

如檢測產(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；透過智慧目視檢測有助自動判斷產(chǎn)品外觀；結(jié)合影像資料可以劃分重點檢查區(qū)域。

2.優(yōu)化影像智慧辨識

透過AI+AOI執(zhí)行影像判讀，可以降低誤判率，減少二次人工目測檢驗所需成本，還能透過數(shù)位串流方式即時辨識各機臺的生產(chǎn)狀況。

3.動作影像智慧分析

可以精準判斷作業(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

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

率。

AI+AOI的應(yīng)用場景與智慧解決方案

已有不少國內(nèi)業(yè)者搶進AI+AOI應(yīng)用領(lǐng)域或提出解決方案，甚至形成跨域檢測生態(tài)系。以晟格科技的轉(zhuǎn)盤型外觀檢查機來說，就具有高速高精密檢測、AI學習辨識能力、完整瑕疵標記及記錄功能，以及提供即時良率統(tǒng)計圖、機臺操作權(quán)限管理等功能。

圖2 : 具有AI學習辨識能力的轉(zhuǎn)盤型檢查機。（source：晟格科技）

ChatGPT等超大型AI模型的興起，帶動AI人工智慧的無窮想像。微軟(Microsoft)研究報告指出，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)用時間序列與SSD協(xié)同運行，在有限的GPU與DRAM資源下，有效降低AI硬體建構(gòu)成本。aiDAPTIV+AOI光學檢測系統(tǒng) (簡稱Phison aiDAPTIV+AOI服務(wù))可以協(xié)助SMT工廠加速進入工業(yè)4.0，進一步提升檢測精準度，降低人力檢測的不穩(wěn)定性。

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

圖3 : AI-AOI自動化In-Line線檢測設(shè)備。(Source：岳揚智控)

凌華科技則是與AI解決方案夥伴樂達創(chuàng)意科技合作，將AI機器視覺演算法搭載於凌華科技AI機器視覺系統(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準確性與速度。凌華指出，人工方式每天僅能檢測4,000片隱形眼鏡，傳統(tǒng)機器視覺自動光學檢測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，而且容易影響檢測品質(zhì)。透過人工智慧自動光學檢測 (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量提升50倍，檢測準確性提升65%。

圖4 : AI機器視覺專案平臺可以讓隱形眼鏡檢測量提升50倍，檢測準確性提升65%。(source：凌華科技)

兆米智慧檢測積極透過AIoT賦能AOI檢測解決方案，包含提升既有rule-based半導體COF封裝機臺的檢測效能、提供僅具取像功能的輪胎氣泡機臺自動瑕疵檢測系統(tǒng) (ADR)、開發(fā)IC測試座探針檢測機臺等。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99.9%的瑕疵檢測解決方案(輪胎氣泡檢測)，協(xié)助正新橡膠導入AI輪胎瑕疵檢測自動化，由AI自動判斷輪胎是否產(chǎn)生氣泡瑕疵，成為全球輪胎業(yè)引進AI瑕疵檢測的先驅(qū)。

兆米智慧與正新輪胎歷經(jīng)9次AI模型訓練及再訓練，人工驗證逾80萬張照片後，終於達成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全線關(guān)燈生產(chǎn)，將三班制人工檢測降為一班制，不只減輕人力負擔，還能避免缺工帶來的營運風險。

正新橡膠工業(yè)協(xié)理陳柏嘉指出，透過氣泡檢出機取得產(chǎn)線輪胎照片，再傳輸至地端邊緣運算設(shè)備Azure Stack Edge，由Azure進行影像判讀，並將判讀結(jié)果即時回饋產(chǎn)線，進而剔除氣泡瑕疵輪胎，檢測員只需針對判讀結(jié)果複檢確認即可。Azure Stack Edge會將存放於邊緣運算設(shè)備中的照片上傳至Azure，一旦AI模型需要重新學習及訓練，可以透過Azure IoT將新模型傳送至Azure Stack Edge，以維持AI模型的辨識準確度。

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智慧檢測做出良好示範，透過跨域生態(tài)系創(chuàng)新平臺找到自動化-智動化-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，勢必出現(xiàn)更多創(chuàng)新解決方案，結(jié)合傳統(tǒng)檢測、AOI與AI之能，提供更全面、精準與可靠的智慧檢測方案。