|

【活動報導】AI助攻!機器視覺應用再升級

   

作者:謝涵如

隨著產業環境競爭日益激烈,製造業自動化的需求隨之大幅提升,高速、高智慧的視覺檢測技術,在產線現代化中扮演了舉足輕重的地位。

機器視覺技術在自動化製造環境的應用已有多年歷史,在不適合於人工作業的危險工作環境或人工視覺難以滿足要求的產業中用以替代人工視覺。而隨著能適應多變環境的AI電腦視覺技術導入,更讓製造業產線自動化有更上層樓的趨勢。

本次社聚邀請兩位專家,帶領觀眾從技術層面與實際案例等不同角度切入,探討機器視覺在製造業領域的應用與發展。

機器視覺 x AI新應用

「什麼情況需要機器視覺?」歐尼克斯實境互動工作室創辦人許哲豪,研究所時專攻的領域就是機器視覺,在產業實務與學術研都有非常豐富的經驗。 他認為機器視覺在製造業的應用,主要可分為品質管制與生產製造兩個部分。

其中生產製造相關的應用,通常直接關乎產品的品質與產出而較為必要。例如檢測內容物過小或數量過多難以目檢,需精密定位的製程或者人眼速度不足以檢視的高速生產等。品質管制的部分則屬於非必要的輔助作用。用機器取代人可以避免因人體疲勞造成漏檢,或者因個人主觀解讀產生的判斷差異而導致難以控管出貨品質的情況發生。

而所謂的機器視覺技術,其實有為傳統的自動光學檢測(AOI)與融入現代人工智慧元素的電腦視覺(CV)兩個不同種類。

自動光學檢測(AOI)為利用攝影機取像加上計算機計算,取代人類眼睛加上大腦判別,進行自動化視覺檢測項目的機器視覺技術。其功能主要有強化不清不清楚的影像,提取特定色塊並量測面積,進行圖樣位置比對及旋轉計算,辨識簡單的字元與分析較規律的紋理如布料等。

結合了現代AI深度學習的電腦視覺(CV),應用領域包山包海,它能夠克服傳統機器視覺難以辨識的複雜場景,完成像素等級的影像分類,也能夠辨識較複雜歪扭的手寫文字。此外,人體姿態估測與人臉辨識等因為自然影像變化太大,難以用傳統機器視覺來完成的領域,加入深度學習後都問題都能迎刃而解。

導入深度學習後的機器視覺,能檢測出較複雜的背景上的瑕疵。(圖片來源:許哲豪)

機器視覺未來展望及挑戰

至於什麼情況該導入深度學習?許哲豪建議,難以定出精確檢測規範或過殺率過高的項目,值得投資人工智慧電腦視覺,能有效提高生產品質。也可利用姿態估測及分析來加強生產效率及控管工廠安全。具視覺能力的低速工業自走車或機器手臂,則可透過深度學習模型增強對環境應對能力及協助經常更換製程的應用。

然而製造業在導入智慧機器視覺時,挑戰也不小。首先學習資料集不易建置,除了不良品數量極少外,各分類數量也極度不平衡。此外,模型訓練完成後佈署到相同機型不同機器上的準確性差異,定期新增不良品資料集重新訓練後,要保證新舊不良品檢出能力一致也都是需要克服的技術問題,加上整體投資成本比傳統視覺檢測高昂不少,其與檢測結果間的性價比也需要考量。

許哲豪表示:「智慧機器視覺的終極目標實現『非監督學習』自動找出異於正常品之能力,但是目前AI要做非監督還有很大的門檻。」

傳統機器視覺與人工智慧機器視覺各有優缺,端看應用場景而定。(圖片來源:許哲豪)

AI機器視覺的工廠應用實例

「智慧製造市場的成長動能相當大。」艾訊AIOT產品企劃部經理鍾緯承以艾訊在智慧製造及機器視覺領域深耕多年的實務經驗進行分析,相當看好智慧製造自市場未來在亞太地區的發展潛力。

不僅如此,COVID-19也為智慧製造帶來新的需求與契機。為了因應疫情,更多企業主開始思考產線自動化的可能,希望能將人力檢測改為機器降低勞力密度,保持社交距離的同時也能把人力做更有效的利用。

疫情影響之下,智慧製造的需求也大幅上升。(圖片來源:艾訊)

至於目前機器視覺技術究竟已經被實際應用在哪些領域?鍾緯承向觀眾分享艾訊實際提供給客戶的方案。

在餅乾工廠的案例中,客戶希望能利用機器視覺控制餅乾的烘烤品質,並且偵測並挑出裂痕的餅乾。由於裂痕具有隨機、不固定的特性,相當適合利用AI來進行篩選,同時也能收集烘烤參數,導入AI進行串連與分析,得出的結果讓未來能更完善穩定的維持餅乾品質。

餅乾工廠的製程也能利用AI機器視覺進行管理。(圖片來源:艾訊)

另外,艾訊自己的工廠也有相關應用——檢測PCBA上DIP鍵的瑕疵。DIP鍵常見的瑕疵有錫多錫少、空焊冷焊等,同樣複雜且無規律,適合用人工智慧來解決。導入AI到機器視覺並且運作六個月後,模型準確率從最初的七成大幅提升到95%,成果相當不錯。且在速度方面,檢測一片複雜的板子僅需七秒,幫助後端OP人員不用再花時間去目檢,只要根據機器標記出來有問題的地方去重製就好。

談及機器視覺的優勢,鍾緯承表示:「導入AI、AOI可以讓速度大幅提升,除了提升產品品質與生產效率,也能大幅降低生產成本,對企業主來說相當有吸引力。」

小結

機器視覺技術的使用,不僅大幅減輕了產線人員的工作量,更能夠彌補人眼可能產生的缺失,無論是對產品品質控管還是生產效率提升,都有極大的幫助。期待未來人工智慧發展更加成熟後,能夠真正實現「非監督」式的產線自動化,讓人力獲得更有效的利用。

(責任編輯:歐敏銓)

Laura HSIEH
Laura HSIEH

Author: Laura HSIEH

喜歡窩在自己的一方世界裡寫作閱讀,也喜歡四處旅遊找驚喜,希望能多接觸學習各種知識,從中拼湊出世界的全貌。

Share This Post On

Submit a Comment

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *