工業(yè) 4.0 在全球制造業(yè)掀起智能化浪潮，通過智能制造系統(tǒng)，制造流程將可大幅優(yōu)化，進(jìn)而提升產(chǎn)線效能、降低成本支出，在智能制造系統(tǒng)中，人工智能扮演了重要角色，尤其是深度學(xué)習(xí)演算法更開始被應(yīng)用到產(chǎn)線系統(tǒng)中的視覺檢測(cè)，快速而精準(zhǔn)的判別產(chǎn)品瑕疵。

AI視覺檢測(cè)解決方案高效掌握瑕疵零件 大幅提升產(chǎn)品良率

機(jī)器視覺檢測(cè)有效取代人眼，全靠“深度學(xué)習(xí)”
深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí)的領(lǐng)域，其演算方式是通過不斷重復(fù)判別物件獲得龐大數(shù)據(jù)，再經(jīng)過大量的運(yùn)算讓精準(zhǔn)度不斷接近完美，瑞科指出，目前深度學(xué)習(xí)已經(jīng)被大量應(yīng)用于各種領(lǐng)域，制造業(yè)的視覺檢測(cè)則是其中重點(diǎn)應(yīng)用。
產(chǎn)品檢測(cè)是制造業(yè)質(zhì)量管理的一環(huán)，過去皆由現(xiàn)場(chǎng)作業(yè)員親力親為，然而人眼有其極限，檢測(cè)速度與正確率會(huì)隨著作業(yè)時(shí)間拉長降低，再加上產(chǎn)線速度越來越快、產(chǎn)品體積逐漸輕薄短小，后期機(jī)器視覺開始取代人眼，成為產(chǎn)線檢測(cè)主流。
在產(chǎn)線中，視覺檢測(cè)有四大主要功能，包括量測(cè)、辨識(shí)、定位、檢查等，而檢測(cè)是所有功能中困難的部分，由于現(xiàn)場(chǎng)人員對(duì)瑕疵的認(rèn)知不同，因此即便是已然自動(dòng)化的機(jī)器視覺，仍會(huì)存在因系統(tǒng)設(shè)定或現(xiàn)場(chǎng)質(zhì)管人員不同，導(dǎo)致出貨產(chǎn)品質(zhì)量無法一致性的問題，要解決此一問題，瑞科指出深度學(xué)習(xí)將會(huì)是佳方式。

純 AOI 系統(tǒng)將快速消失，結(jié)合 AI 成轉(zhuǎn)型關(guān)鍵

將深度學(xué)習(xí)導(dǎo)入至產(chǎn)線檢測(cè)，對(duì)制造業(yè)與系統(tǒng)供應(yīng)商兩端來說，都可提升工作效率。在使用者端，視覺檢測(cè)系統(tǒng)可以省下大量人眼檢核的成本，機(jī)器視覺軟硬件架構(gòu)的準(zhǔn)確率與判斷速度，已遠(yuǎn)遠(yuǎn)超過人眼，而且設(shè)定完成后，即可長時(shí)間不間斷且以一致標(biāo)準(zhǔn)的工作，將可為制造業(yè)者省下大量的人力成本。
過往的機(jī)器視覺系統(tǒng)，每一次上線都必須不斷調(diào)整設(shè)定，在智能制造概念中，產(chǎn)線必須可快速回應(yīng)訂單，彈性調(diào)整生產(chǎn)內(nèi)容，現(xiàn)行機(jī)器視覺檢測(cè)的繁復(fù)設(shè)定將難以滿足彈性化生產(chǎn)需求，深度學(xué)習(xí)架構(gòu)只要事先通過訓(xùn)練，即可快速上線使用，且還能自主學(xué)習(xí)，系統(tǒng)可以自動(dòng)找出佳的 OK/NG 參數(shù)，不必再由人員調(diào)整，在此狀態(tài)下，各設(shè)備的瑕疵檢測(cè)標(biāo)準(zhǔn)將可一致性，不會(huì)因品牌、使用時(shí)間的不同產(chǎn)生差別。
至于系統(tǒng)整合商，運(yùn)用人工智能也將強(qiáng)化市場(chǎng)競(jìng)爭(zhēng)力。人工智能在視覺檢測(cè)市場(chǎng)正加速普及，純 AOI 系統(tǒng)在制造業(yè)的競(jìng)爭(zhēng)力將會(huì)快速消失，不過瑞科也指出，現(xiàn)在市場(chǎng)對(duì)人工智能的導(dǎo)入也有迷思，多數(shù)廠商認(rèn)為將 AOI 全面替換為人工智能，將可立即降低漏檢與誤判機(jī)率，然而這種一步到位的想法在實(shí)際狀況中并不可行，反而會(huì)讓漏檢和誤檢率大幅增加，建議應(yīng)該保留現(xiàn)行 AOI 功能并結(jié)合人工智能，才能迭加兩者的優(yōu)勢(shì)。
產(chǎn)品漏檢率趨近于零，誤判率極低
瑞科針對(duì)視覺檢測(cè)所推出的 DAVS 即是以人工智能為核心的運(yùn)送系統(tǒng)，此系統(tǒng)可以結(jié)合既有的 AOI 系統(tǒng)，讓既有設(shè)備可延長使用年限，以此保障制造業(yè)者過去的投資，而人工智能與 AOI 整合的模式，也提升了產(chǎn)品的檢出率。
以SMT用電感(用于手機(jī)/小型化PCB)為例，除非是嚴(yán)重裂紋，否則傳統(tǒng)的 AOI 系統(tǒng)常無法判斷影像中的線條是原有紋路或裂痕，且AOI對(duì)其中度裂紋的檢出率小于 50％，輕微裂紋檢出率更是在 5％ 以下，加裝 DAVS 之后，檢出率大幅提升，不但漏檢率為零，誤判率更低于 0.3％。