Microsoft
科政中心
 

解決問題不必凡事訴求AI 解決即時急迫性需求才能展現AI效益

AOI作為品質檢驗一環,為保持產線運作順暢,也自然不可遷就於檢出速度而讓其成為製程中的瓶頸站點。Image by skeeze from Pixabay

對於極具時間敏感性的事件,AI邊緣裝置能在即時運算處理下降低延遲誤差。太奇雲端總經理李承勳認為,現今智慧應用百花齊放,但AI真正用武之地應是在於具有即時性需求的應用,如果事件沒有急迫性,從邏輯上來看其實並不一定要導入AI。

而什麼樣的事件具有時間急迫性?李承勳舉例如安控領域的入侵偵測即是一例,所有的偵測、辨識、分析都必須在邊緣端完成,才能在毫秒之內即時通報預警,或是針對危險駕駛偵測,由於無法在移動車體上架設資料處理中心,得藉由邊緣運算技術在終端即時處理。

製造業對於品質控管的要求甚高,目前影像辨識在製造端最大的需求則來自於瑕疵檢測。而在製造業的瑕疵檢測應用中,也存在對於即時性的需求。製造業生產線普遍採用的自動光學檢測(AOI),隨著電子元件愈小、鏡頭解析度就愈高,一張成像圖檔的大小可能達到數百MB,工廠每分每秒所產出的數據量極大,而AOI作為品質檢驗一環,為保持產線運作順暢,也自然不可遷就於檢出速度而讓其成為製程中的瓶頸站點,因此在影像數據的傳輸與處理上,具有即時運算能力的AI邊緣裝置,就能夠避免錯過即時反應時間。

而在這樣的市場需求下,從即時性需求出發,太奇雲端也透過具有即時分析處理能力的影像辨識技術,快速進入工業4.0與安控領域,協助高科技製造業進行自動化視覺檢測、產線操作員管理,以及入侵偵測、安全行為監控等應用。成立不到3年,便獲包括凌華、研揚、新漢等3家工業電腦廠商支持,也獲得電子量測儀器及系統商致茂電子的投資,將其結合AI的智慧視覺檢測技術與檢測設備整合。

特別在於智慧視覺檢測,太奇雲端實戰經驗豐富。李承勳也分享實務經驗,從中點出幾項AI瑕疵檢測的開發挑戰。他指出,由於遵循商業機密,通常面對製造業客戶,最容易面臨的難處在於無法取得足夠的數據樣本,這樣的情況在台灣眾多代工廠中尤為明顯,有時候因應終端客戶要求使然而不得不為之。而除了資料蒐集,由於不若安控主要係以人為辨識物件,通常針對缺陷的分類與標註,也得由製造業者自行完成。

李承勳指出,在開發過程中通常耗時最久的部分則是資料前處理,其中便包括對於資料的收集與標記。特別在瑕疵檢測的資料處理中,由於某些瑕疵可能需在特殊光線之下才得以顯現,而基於視覺原理的不同,人眼與電腦在判斷上便因此可能出現誤差,導致標註疏漏,因此在資料前處理的過程中,就必須額外透過工具輔助,將瑕疵標註於正確的位置。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 人工智慧 影像辨識 邊緣運算