工業 4.0 智慧製造時代下，為因應市場快速變化與貼近消費者的需求，從過去以量取勝的標準化生產，轉向少量、多樣、客製化的彈性製造。
而在自動化生產的過程中，AOI（自動光學檢測）長期扮演「品質把關」的要角，但隨著製造元件愈來愈小、愈來愈複雜、甚至愈來愈快的生產週期，現在的技術足夠應對嗎？
AOI 如何克服智慧製造多元應用場景？導入 AI 深度學習補足技術缺口
凌華科技 IOT 策略解決方案與技術事業處智能工廠事業中心協理楊家瑋表示，面對日益複雜的檢測需求，AI 與 AOI 的整合，將是加速智慧製造應用落地的新解方！
除了可彌補 AOI 在檢測上難以察覺不規則、不規律、透明等物件的缺口外， AI 機器視覺將從「看」產品物件的瑕疵，進階到工廠安全監控等多元應用，例如鋼鐵業透過相機結合 AI 軟體，有效避免人員誤闖作業區導致被鋼捲撞傷的意外，提升現今智慧工廠人機共處的安全問題。
「模組化整合」降低工程師學習障礙，有助加快 AI AOI 部署
儘管 AI 為智慧製造帶來許多超乎想像的優勢與效益，但如何讓 AI 、機器視覺與 AOI 做到快速且有效的彈性佈署，相當考驗廠商的整合能力。
楊家瑋分享，要做好 AI AOI 部署，不妨回到 AOI 本身的架構來思考，首先，要進行運算必須先有影像，如何因應不同環境，快速置換取得高品質、高解析度的真實影像是第一步。
因此必須選對相機，了解相機視野（FOV）是否能涵蓋到整個工作區及欲檢視的環節；同時，不同的打光角度和強度，均會影響取像、成像品質。
其次，取得的影像要搭配何種硬體規格與平台，才能發揮最佳的運算效率，既能兼顧檢測的準確度也能達到工廠的產能目標，也就是在產品的良莠判斷上，如何取得中間平衡，不漏抓也不會抓太嚴。這些項目都需要整個生態圈夥伴共同合作，因此發展出一套好用易上手的整合模組化方案，將成為 AI AOI 應用的重要關鍵。
強強聯手次世代 AI AOI 模組，導入寶視納「取像」設備優化 AOI
為降低客戶跨入 AI AOI 的應用門檻，凌華科技找上在 AI 軟體以及機器視覺領域的頂尖夥伴 COGNEX（康耐視）、BASLER（寶視納）共同發展次世代 AOI ，從過往所謂的 Auto Optical Inspection，重新解構為 Application x Optical x Integration 的模組化新概念。
其中，取像作為 AOI 領域中最前端的工作，流程包括：影像擷取、傳輸、處理、分析，每一項都不可或缺。然而以往在影像擷取方面，最常遇到的困擾包括取像速度不夠快、傳輸會漏張，或有外部干擾和雜訊等問題。
深耕工業相機領域的 BASLER，採用視覺高速傳輸介面，搭配感測元件 CMOS 晶片提供客戶更快的影像傳輸。此外， SDK 技術的導入，也將原本在 PC 進行的影像預處理拉到相機，讓 PC 保有更多空間和效能來執行影像處理演算法等工作。
檢測產品複雜化，康耐視圖形化平台加速 AI 架構開發
在取像後，面對複雜背景、不規則或變形的圖形辨識， AI 的加入無異是最好的利器。楊家瑋以他遇過最難檢測的物件–液晶面板為例，除了要做到 single pixel 的檢測外，另一困難點是液晶本身不固定、密度不均勻的特性，讓檢測人員在利用背光源模組打亮檢測時，只會出現雲彩遍布的畫面。因此面對這類沒有結構性、不規則的瑕疵檢測，通常只能用 AI 來解決。
但對一般業者來說， AI 架構的開發耗時費力，尤其在現今專案講求快速時效之下，若無簡單好用易上手的整合性平台，其實並不容易實現。在看見客戶的痛點後，凌華攜手康耐視，透過其 Designer 軟體和 VisionPro 工具庫，以圖形化設計環境協助工程師縮短 AI 開發時程，相較於開源軟體，康耐視的套裝軟體更能快速滿足各式專案應用。
楊家瑋認為， AI AOI 的應用愈來愈多元化，除了在科技產業，亦延伸至五金加工、食品產業等領域，不同廠商的強強聯手，將提供客戶 POC 最佳化、檢測結果最佳化、成本結構最佳化等優勢，掌握智慧製造新趨勢與龐大商機。
你可能有興趣
專給台廠的製造業工安秘訣：如何透過邊緣運算，優化機器人應用的安全性？
AI 如何助攻 AOI ？智慧製造轉型必懂的關鍵技術！
產業轉型從自動化到智能化再到無人化，凌華科技董事長：機器人是台灣電子產業第三個機會點
