相較於半導(dǎo)體、電子代工大廠，臺灣相對屬於中小規(guī)模的傳產(chǎn)製造、機(jī)械設(shè)備業(yè)，由於早在工業(yè)4.0問世後，疫情推動(dòng)數(shù)位轉(zhuǎn)型浪潮以來，便已習(xí)慣透過各種視/力覺感測系統(tǒng)蒐集累積製程中/後段產(chǎn)生的大數(shù)據(jù)，用來監(jiān)控品質(zhì)、預(yù)測診斷零組件壽命，乃至於售後維運(yùn)服務(wù)所需的生產(chǎn)履歷。

其中隨著2010年製造業(yè)邁向工業(yè)4.0時(shí)代，終端客戶對於同步提升產(chǎn)品品質(zhì)和生產(chǎn)良率的要求日益嚴(yán)苛，使得量檢測精度與頻率逐步增加。量檢測流程也從傳統(tǒng)為了確保品質(zhì)，開始上溯到即時(shí)品質(zhì)回饋；再結(jié)合AIoT技術(shù)即時(shí)提供量測數(shù)據(jù)，供製程設(shè)備修改參數(shù)，以符合最終產(chǎn)品的品質(zhì)規(guī)範(fàn)，甚至希望能達(dá)到不產(chǎn)出不良品，使得即時(shí)量測流程的重要性，幾乎已不亞於製程生產(chǎn)設(shè)備！

AI影像辨識更是實(shí)現(xiàn)智慧製造的關(guān)鍵技術(shù)，不僅帶來了巨大的商業(yè)潛力，更為傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級提供了強(qiáng)勁動(dòng)力，克服傳統(tǒng)工廠使用人工目視去判斷製程的瑕疵檢測，往往須耗費(fèi)大量人力與時(shí)間，長期反映在墊高整體的生產(chǎn)成本上。且就檢測品質(zhì)而言，容易因?yàn)殚L時(shí)間觀看導(dǎo)致視覺疲勞、或是肉眼觀察的細(xì)緻度不足，造成誤判的風(fēng)險(xiǎn)，難以保持品質(zhì)穩(wěn)定。

加上目前自動(dòng)光學(xué)檢測（AOI）技術(shù)已廣泛使用在各個(gè)領(lǐng)域，對各類產(chǎn)品使用光學(xué)鏡頭取代人眼做檢測，容易發(fā)生誤判的狀況，常見的問題包括未詳細(xì)定義到的漏判，或是為避免檢測漏判，調(diào)高檢測的敏感度與標(biāo)準(zhǔn)值而出現(xiàn)過殺，導(dǎo)致仍須仰賴人力進(jìn)行二次複檢。

回顧2013~2023年間Alphago屢戰(zhàn)屢勝圍棋界棋王的「AI 1.0階段」，掀起一波鑑別式（Discriminative）AI熱潮，當(dāng)模型輸入越多越好的資料再經(jīng)過大量標(biāo)記後，進(jìn)行深度學(xué)習(xí)訓(xùn)練辨識與監(jiān)督分類，並結(jié)合AOI、機(jī)器視覺等應(yīng)用，在智慧製造領(lǐng)域擴(kuò)散。

用來提高加工零組件與產(chǎn)品的自動(dòng)化檢測速度與準(zhǔn)確性，執(zhí)行品質(zhì)檢測、設(shè)備健康診斷，降低人力需求與誤判率；進(jìn)而提升人員安全與作業(yè)效能，確保工作場域環(huán)境安全，初步展現(xiàn)AI應(yīng)用方案價(jià)值。

AI智慧瑕疵學(xué)習(xí)則能補(bǔ)足AOI檢測的不足，將兩者結(jié)合打造完整檢測解決方案，可使得AOI具有更精準(zhǔn)的決策能力，即先由AOI檢出80%瑕疵問題，若有辨識困難和定義不明的瑕疵，再交由AI進(jìn)行最後決斷。AI還可在一定程度上模仿人類，將「經(jīng)驗(yàn)法則」應(yīng)用到影像辨識中，得以解決剩餘20%的問題，有效解放人力與成本。

圖一 : AI可在一定程度上模仿人類，將「經(jīng)驗(yàn)法則」應(yīng)用到影像辨識中，得以解決剩餘20%的問題，有效解放人力與成本。

宇瞻智動(dòng)化 跨足異質(zhì)檢測領(lǐng)域

如宇瞻智慧物聯(lián)網(wǎng)近期推出的「自動(dòng)化光學(xué)（異質(zhì)）檢測設(shè)備規(guī)劃建置」，即可經(jīng)由客製化規(guī)劃，專業(yè)設(shè)計(jì)開發(fā)AI+AOI光學(xué)檢測機(jī)臺，應(yīng)用於重點(diǎn)產(chǎn)業(yè)的相關(guān)產(chǎn)品。可串連現(xiàn)有機(jī)臺，設(shè)計(jì)全新自動(dòng)化流程，以提升瑕疵檢測的效率、降低人力成本。適用於半導(dǎo)體、面板業(yè)、生技藥品、食品包裝等產(chǎn)業(yè)對各式瑕疵檢測應(yīng)用，至今已能提供全方位的總體解決方案。

同時(shí)具備高度彈性，可針對應(yīng)用產(chǎn)業(yè)的測項(xiàng)和產(chǎn)能效率等不同檢測需求，快捷調(diào)整參數(shù)設(shè)定、開發(fā)最適化演算法；再搭配自動(dòng)化應(yīng)用，降低人力手動(dòng)放置產(chǎn)品或調(diào)整機(jī)臺的時(shí)間，有效解放人力需求、降低成本。例如為客戶既有產(chǎn)品與包材設(shè)計(jì)專屬檢測機(jī)臺，便可結(jié)合既有自動(dòng)化產(chǎn)線設(shè)備進(jìn)行整體設(shè)計(jì)規(guī)劃，不但能為業(yè)主降低人力成本，更能大幅提升檢測品質(zhì)與包裝效率、產(chǎn)能。

並利用客製化資料庫管理系統(tǒng)開發(fā)和設(shè)計(jì)諮詢，可協(xié)助整合MES/Shop Flooor等生產(chǎn)系統(tǒng)，預(yù)留智慧升級彈性；支援CoreSnapshot資料庫秒速備份復(fù)原韌體技術(shù)，避免因資料損壞或停機(jī)造成營運(yùn)損失。

此外，所有出廠的自動(dòng)化設(shè)備皆預(yù)留智慧升級彈性，可提供ODM設(shè)計(jì)開發(fā)服務(wù)，以因應(yīng)工廠未來的機(jī)聯(lián)網(wǎng)與工業(yè)4.0管理需求，並支援多種智慧升級方案。可協(xié)助整合老舊設(shè)備聯(lián)網(wǎng)，再將生產(chǎn)數(shù)據(jù)與設(shè)備狀態(tài)拋轉(zhuǎn)至現(xiàn)場電子看板及網(wǎng)站，呈現(xiàn)即時(shí)數(shù)據(jù)；支援ESG能源管理，監(jiān)控設(shè)備電能，讓工廠現(xiàn)場管理與能源管理更加簡便即時(shí)，推動(dòng)企業(yè)邁向ESG永續(xù)發(fā)展。

自從切入自動(dòng)化光學(xué)檢測領(lǐng)域以來，宇瞻便相當(dāng)著重面板產(chǎn)業(yè)。包含LCD、LED、OLED到Mini LED/Micro LED、Micro OLED等產(chǎn)品，皆不斷提升其檢測能力。藉此能超越人眼，揪出各種面板種類的瑕疵，從目前廣泛應(yīng)用在各種生活中的螢?zāi)幻姘澹瑥穆飞匣蛏虉鼋?jīng)常可見的大型廣告螢?zāi)弧⑵嚿系母鞒叽畿囕d顯示面板，甚至小至僅1~3吋的穿戴式VR/AR眼鏡面板，皆涵括在宇瞻的智動(dòng)化光學(xué)檢測範(fàn)圍中。

隨著現(xiàn)今多家面板業(yè)大廠持續(xù)進(jìn)行海內(nèi)外產(chǎn)品與生產(chǎn)技術(shù)佈局，結(jié)合宇瞻擁有業(yè)界少有的光譜儀檢測技術(shù)與光學(xué)開發(fā)經(jīng)驗(yàn)，自行研發(fā)光學(xué)照度計(jì)及光學(xué)輝度計(jì)，並整合高階攝像頭、圖形產(chǎn)生器等光學(xué)儀器與自動(dòng)化人機(jī)系統(tǒng)。

將光譜儀技術(shù)導(dǎo)入在客製自動(dòng)化檢測設(shè)備後，應(yīng)用於檢測面板產(chǎn)業(yè)鏈上下游，涵蓋多種材料、尺寸的面板及光學(xué)材料等各種檢測需求，包含：增亮膜、偏光板、導(dǎo)光板、彩色濾光片、擴(kuò)散片、量子膜等光學(xué)材料；面板玻璃、膜材、背光模組等上游材料元件，直到中下游的各式應(yīng)用面板，各有不同的檢測項(xiàng)目與標(biāo)準(zhǔn)。

另針對面板自動(dòng)化檢測Turn-Key Service，宇瞻還能提供高度客製化的使用者操作介面、智動(dòng)化設(shè)備設(shè)計(jì)開發(fā)服務(wù)，致力為業(yè)主降低變革轉(zhuǎn)型成本。並協(xié)助自行開發(fā)AI+AOI光學(xué)檢測軟體程式、高速影像處理演算法，擁有精準(zhǔn)的判斷檢測能力，已經(jīng)過市場充分驗(yàn)證。

宇瞻還能協(xié)助客製化規(guī)劃進(jìn)行不同瑕疵與精度的混合檢測，並透過多重視角、不同光源、多方向性手法量測，精準(zhǔn)檢驗(yàn)出光學(xué)材料的各種瑕疵，像是異物、摺痕、壓痕、PVA紋路等。同時(shí)利用其專業(yè)的檢測技術(shù)，為其他材料與零組件設(shè)計(jì)開發(fā)專屬高精度的AOI檢測機(jī)臺，例如像是面板玻璃、背光模組，甚至能檢出鎳板模仁這類金屬治具的微小瑕疵與深度，已累積多樣實(shí)績案例。

目前已將之獨(dú)到技術(shù)和自動(dòng)化設(shè)備開發(fā)經(jīng)驗(yàn)，擴(kuò)展至生技藥廠、半導(dǎo)體及食品等相關(guān)產(chǎn)業(yè)應(yīng)用，對於產(chǎn)品瓶身、包裝等自動(dòng)化光學(xué)檢測擁有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)，可有效為客戶提升產(chǎn)能效率及產(chǎn)品品質(zhì)。

圖二 : 宇瞻智慧物聯(lián)今年首度展出專為生技藥業(yè)設(shè)計(jì)的智動(dòng)化設(shè)備解決方案，助力生技藥廠實(shí)現(xiàn)分階段智慧轉(zhuǎn)型目標(biāo)。（source：宇瞻智慧物聯(lián)）

宇瞻智慧物聯(lián)今年也首度展出專為生技藥業(yè)設(shè)計(jì)的智動(dòng)化設(shè)備解決方案，包含：「Vial瓶標(biāo)籤檢測暨自動(dòng)落盤包裝機(jī)」、「枕式瓶光學(xué)檢測設(shè)備」等實(shí)績案例，助力生技藥廠實(shí)現(xiàn)分階段智慧轉(zhuǎn)型目標(biāo)。

其中「標(biāo)籤檢測暨自動(dòng)落盤包裝機(jī)」為多功能In-line自動(dòng)化設(shè)備，適用於俗稱疫苗瓶、西林瓶的Vial Bottle。該機(jī)臺結(jié)合包裝與檢測雙重功能，獨(dú)創(chuàng)的落盤包裝設(shè)計(jì)能在短短一分鐘內(nèi)自動(dòng)分離Tray盤，並將超過100個(gè)Vial瓶裝入盤中；設(shè)備直接連結(jié)產(chǎn)線既有貼標(biāo)機(jī)，透過AOI技術(shù)進(jìn)行貼標(biāo)瑕疵檢測。該機(jī)臺最大的亮點(diǎn)為可透過軟體自動(dòng)切換不同尺寸的Vial瓶，實(shí)現(xiàn)一機(jī)多用的同時(shí)，無須操作人員進(jìn)行換模作業(yè)。

另有今年進(jìn)一步升級「枕式瓶光學(xué)檢測設(shè)備」的機(jī)構(gòu)設(shè)計(jì)和檢測方式，大幅提升檢測效率，僅需不到1.5秒即可完成一排6~10連支的枕式瓶檢測；搭載AI人工智慧的AOI系統(tǒng)，不僅讓瓶間縫隙的瑕疵無所遁形，對於瑕疵的判斷也更迅速精準(zhǔn)，能準(zhǔn)確分析出如瓶內(nèi)積料與氣泡的差異。

湯姆森獲補(bǔ)助 導(dǎo)入印刷用AI

圖三 : 湯姆森企業(yè)公司透過AI影像辨識技術(shù)，有效提升軟性印刷產(chǎn)品品質(zhì)與效率。（source：經(jīng)濟(jì)部）

經(jīng)濟(jì)部產(chǎn)業(yè)發(fā)展署近期也委託印刷創(chuàng)新科技研究發(fā)展中心，輔導(dǎo)湯姆森企業(yè)公司將傳統(tǒng)製程導(dǎo)入AI影像辨識技術(shù)，而成功提高產(chǎn)品良率從85%提升至99%，並將包裝出貨時(shí)間縮短80%，不僅提升產(chǎn)品品質(zhì)與效率，也突破了軟性印刷材料作業(yè)流程上的限制，成為傳統(tǒng)產(chǎn)業(yè)升級至智慧製造的典範(fàn)。

雖然該公司為臺灣最早投入超細(xì)纖維無塵擦拭布製造業(yè)者，擁有豐富生產(chǎn)經(jīng)驗(yàn)，包含晶圓代工、面板等製造廠等皆為其客戶。卻因?yàn)椴潦貌疾馁|(zhì)柔軟無法像紙張般平整，必須仰賴人工清點(diǎn)分裝才能出貨，不僅耗時(shí)耗力；且隨著訂單增加及產(chǎn)業(yè)缺工，終究要面對日益嚴(yán)格的品質(zhì)要求及缺工問題，出貨效率也成為一大瓶頸，傳統(tǒng)人工檢測方式已無法滿足業(yè)者的需求。

為了在競爭激烈的產(chǎn)業(yè)供應(yīng)鏈中保持優(yōu)勢，湯姆森公司積極尋求技術(shù)升級導(dǎo)入各項(xiàng)優(yōu)化措施以克服上述挑戰(zhàn)。因此在原料布的品質(zhì)檢測上，使用「智慧化視覺檢測瑕疵技術(shù)」，蒐集布料表面瑕疵的資料；並建置AI檢測數(shù)據(jù)資料庫，以偵測器取代人眼進(jìn)行品質(zhì)管控，將產(chǎn)品良率由85%提升至99%。

在清點(diǎn)產(chǎn)品及包裝出貨上，同樣導(dǎo)入「AI影像辨識技術(shù)」，透過演算法搭配相機(jī)鏡頭進(jìn)行堆疊數(shù)量計(jì)算，原以人工作業(yè)每疊100片布料需花費(fèi)5分鐘，現(xiàn)在只需人員進(jìn)行少量增補(bǔ)作業(yè)即可快速精確包裝出貨，作業(yè)時(shí)間因此縮短僅需1分鐘，人力也從2人減少至1人。

突破異質(zhì)檢測限制 融入生成式AI應(yīng)用可期

值得一提的是，自從2022年底生成式（Generative）AI橫空出世後，開始出現(xiàn)邊緣Edge AI導(dǎo)入客製化大語言模型（LLM）加速落地發(fā)展，各家大廠也紛紛投入添購GPU、記憶體等硬體（鏟子）的軍備競賽，開發(fā)訓(xùn)練AI視覺新演算法，強(qiáng)調(diào)將大幅提升其自動(dòng)化彈性、高速與準(zhǔn)確度。

但有別於過去AI 1.0階段的性能表現(xiàn)在特殊專才領(lǐng)域?yàn)閺?qiáng)項(xiàng)，卻無法被複製到跨領(lǐng)域應(yīng)用（遷移學(xué)習(xí)），例如將醫(yī)療CT辨識病灶模型轉(zhuǎn)移至AOI辨識產(chǎn)品瑕疵；且耗費(fèi)算力資源較少，面對新問題還是需要從頭蒐集、標(biāo)註大量參數(shù)資料，訓(xùn)練監(jiān)督式模型迭代進(jìn)化，耗費(fèi)大量時(shí)間與成本；待使用超過一段時(shí)間還要重新訓(xùn)練，以免準(zhǔn)確度衰減。

圖四 : 加入生成式AI的Foundation Model部署會更容易，適合多樣跨領(lǐng)域產(chǎn)業(yè)，讓AOI使用樣本數(shù)越少，分別找出OK/NG件的準(zhǔn)確度已不輸人眼，還能24/7天全年無休。

進(jìn)入AI 2.0階段的生成式AI基礎(chǔ)模型（Foundation Model）式結(jié)構(gòu)則具備較為簡單、容易再訓(xùn)練的通才特性，強(qiáng)調(diào)可藉不斷擴(kuò)大語言模型和參數(shù)訓(xùn)練，對於資料量和運(yùn)行、訓(xùn)練資源的需求較大，並搭配適合的硬、軟體，減少使用資料量與時(shí)間。

將之下載後壓縮至10~20%參數(shù)量的樣本數(shù)，使該模型前中段產(chǎn)生的瑕疵特徵僅約耗用1/10資源即可運(yùn)行，以導(dǎo)入傳統(tǒng)AOI瑕疵檢測常見異常檢測、物件計(jì)數(shù)等高度通用性場域。經(jīng)過遷移學(xué)習(xí)轉(zhuǎn)化後部署更容易，適合多樣跨領(lǐng)域產(chǎn)業(yè)，而不必大量標(biāo)記資料重新訓(xùn)練，就能觸類旁通，快速瞭解與應(yīng)用，訓(xùn)練將更有效率。並將之導(dǎo)入邊緣（Edge）AI應(yīng)用加值，未來AOI應(yīng)善用AI 1.0~2.0特性，使用樣本數(shù)越少越容易學(xué)習(xí)，分別找出OK/NG件的準(zhǔn)確度已不輸人眼，還能24/7天全年無休。