所羅門AI機器視覺部落格

AOI（Automated Optical Inspection）自動光學檢查，是依靠機器視覺作為辨識的技術，用以改良或彌補人力用光學檢測的種種缺點，現今已被應用在各式各樣的產業中，AOI 最主要的功能為瑕疵檢測、尺寸量測、定位貼合，包括高科技產業、半導體、製藥、食品等，AOI 在工業自動化中扮演著重要的角色，目前 AOI 最常被應用的產業分別是 PCB 和面板顯示器產業，兩者佔比約為 64% 和 15%。

台灣防疫固然有成，並且成功的讓產業所受到的衝擊降到最低，但在全球經濟轉變以及工作模式已經帶來全面性的改變：設備智慧化、零接觸經濟、遠距教學等需求逐步提升。因此在這後疫情時代下，從各面向進行數位轉型，並帶動經濟的發展，為產業帶來嶄新的機會！那究竟我們需要怎麼樣來實行呢？我們將會遇到哪些問題？

不少企業誤以為，要走向智慧製造，就必須重新建立新廠房、添購新機械設備，才能因應這波轉型。其實，善用工業物聯網技術，進行廠區中各機台的數據蒐集、整合及分析等應用，讓生產效益達到最佳化，正是工廠自動化再升級的新選擇。

「以終為始，就是做正確事的習慣，在行動前務必把目標想清楚」、「沒有明天的目標，那今天的行動，多半是重複昨天的事。」以上的文字，是我閱讀商業周刊的文章後，在讀書會上與同仁分享的精華。

擁有如人類思考的 AI 技術，在辨識並定位不規則特徵佔有優勢，為滿足檢測需求，市場上已出現許多 AI 瑕疵檢測系統及服務，然而，套裝軟體在許多功能上依舊存在差異，其中在使用者介面 ( UI ) 友善度、訓練樣本數、辨識率、檢測速率的討論度最為廣泛。

訂單從過往「少樣多量」變成如今「多樣少量」的彈性生產，待測物件尺寸、外型、材質等複雜度隨之提高，甚至出現定義不明的瑕疵，而傳統 AOI 需先定義瑕疵樣本，並以設定好的參數做為判斷基準，無法靈活快速做出判斷，導致漏檢率大幅增加，在此情況下，AI 崛起讓機器視覺開始進化，其「擬人化」技術便成為新解方。

此時此刻我們正在人類科技發展以爆炸性速度成長的奇異點上，大家都在猜測 AI 的能耐到底有多大，未來是否真的會發展到人類完全無法理解的水準，當有人興奮、有人驚慌的同時，更多的是全球許多領先企業及製造業，已經搶先將 AI 人工智慧投入工廠及生產線，生怕慢對手一步便會錯失良機。

機器學習（Machine Learning, ML），即是人工智慧的分支，主要是透過系統將蒐集來的大量數據資料依序分類，透過演算法識別資料中的模式，產出模型加以學習改進，進而做出最佳的決策及預測。

應用 AOI 檢測最多的 PCB 產業，往往會因為保證產品良率而調高 AOI 參數，設定成相當嚴格，此舉會導致 AO 相當敏感，便會產生過殺（Over Kill）的現象，但是透過 AI 軟體，可以藉由經驗法則來學習判斷，可以因應外在變化而達成自我調整，進一步有效判斷未曾看過的瑕疵集成像。