待過生產線(流水線)的人都知道，生產工具、螺絲、零組件跟組合的材料擺放位置正確，可以讓人工作起來得心應手，長時間工作也不會疲累，反之則容易產生職業傷害。傳統方法是藉由訓練養成肌肉記憶，但是生產線環境常常有天然限制，未必都能符合理想環境，也造成台灣製造業職業傷害時有所聞。國外的製造業業主藉由AI視覺辨識科技，從頭找出生產流程的人因工程缺點，進而改善生產規劃與流程，值得國內製造業參考。
藉由訓練AI模型，協助辨識正確工作姿勢與錯誤工作姿勢，藉以矯正工作人員工作姿勢 (Source)
一位皮革工匠兼熱衷機器學習的業者Roni Bandini從事皮革加工多年，行業的特性讓他深知皮革加工常需要以特殊方式操作工具才能避免受傷，任何從業人員都必須經過完整訓練，如果工作姿勢不正確，長時間累積下來將會對身體造成嚴重傷害，完善人因工程成為重要的課題。
傳統上人因工程改善是個大專案，這牽涉到要規劃全新的分析方法，耗時又費工，所幸Bandini接觸到最新的AI技術，採用了容易上手的Edge Impulse Studio，藉由AI視覺辨識技術與機器學習演算法訓練一個物件偵測模型，來分析與識別相關的工作姿勢照片集。
硬體部分，Bandini採用了德州儀器(TI)的SK-TDA4VM 入門套件，連接了1組USB網路攝影機與生產線上機器的繼電器，一旦偵測到不正確的姿勢可以自動停止相關機械。Bandini以手機蒐集了他本身的正確工作姿勢與不正確的工作姿勢的照片上傳到Edge Impulse Studio，分成了訓練及與測試集。在AI輔助標籤隊列工具的幫助下，將每個案例標記為良好或不良姿勢的範例。這些功能再被轉發到 Edge Impulse 獨特的 FOMO 物件偵測模型中，該模型是為高精度水準和低資源利用率而量身定制的。
該設備硬體由 Texas Instruments SK-TDA4VM 入門套件供電 (Source)
使用標記工具，標示圖片作為後續AI模型建置使用(Source)
Edge Impulse的FOMO物件偵測模型(Source)
經過一連串測試，搭配Python腳本，在偵測到員工以不正確的姿勢工作時，會自動切斷機器電源，生產線的主管前往處理後恢復生產，測試結果令人滿意，Bandini後續將擴充到多組USB攝影機，延伸到生產線其他位置上。改善皮件製作的生產流程。
訓練成果評估 (Source)
小結
關於本文的Edge Impluse的專案文件非常詳盡，也提供Edge Impulse Studio 專案供下載參考，藉由AI視覺辨識，配合機器學習演算法，改善生產流程不再需要冗長協商與繁雜的行政作業，AI對於改善生產線人因工程有著莫大助益。台灣的中小企業製造業可以借鏡，運用AI提升生產線的工作安全，進而讓員工更願意留在製造業工作。。(原文連結)
（責任編輯：Peter Wang）
- Himax展示新一代WiseEye超低功耗AI智慧感測方案 - 2024/04/23
- 為AI/ML工作負載最佳化 Alif新推BLE MCU - 2024/04/11
- Arm新一代Ethos-U NPU與IoT參考設計平台亮相 - 2024/04/10
