Advantech
活動+
 

瑕疵檢測難定義 朝通用型AI發展有技術挑戰

光電產業與PCBA在瑕疵檢測的作業流程上,作法也大不相同。符世旻

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,然製造業因產業產品型態差異頗大,不同於零售業導入來客分析,或是安防市場用於場域監控係以人為核心,製造業在瑕疵檢測的應用上情況則相對複雜。以AI導入AOI解決方案成功切入光電產業的太奇雲端總經理李承勳則指出,由於瑕疵不好定義,而個別客戶使用情況又不儘相同,因此市場現階段欲朝通用型AI發展,仍有挑戰。

受市場需求驅動,傳統AOI轉向與AI結合成為相關檢測設備業者下一個市場著力點,目前國內外都已有AOI廠商透過自主技術開發AI演算法及應用,讓自家檢測設備升級智慧化,對此,李承勳則表示市場仍須思考開發AI的主導權應歸屬於設備業者亦或是製造業者本身,甚至衍生如中央整合的角色出列。

李承勳指出,在客戶對品質控管的高規格要求下,當然會傾向於選擇能夠提高辨識效率與準確率的AI設備,但與製造業過去推動工業物聯網面臨一樣的問題,生產線上不同製程段的檢測機台可能並非單一廠牌,倘若個別檢測設備都有自己一套AI演算法,則易形成標準不一的局面。

此外,有別於零售業導入來客分析係以人為主體,相對可具有普遍性,但瑕疵則難。製造業在瑕疵檢測的應用領域中,除了個別客戶對於瑕疵的定義不儘相同,不容易形成一套標準之外,加上一般正常產線的實際情況通常為正常樣本多於瑕疵樣本,在AI可訓練之樣本數不足的情況下,也提高設備業者開發難度,也就是說,個別設備業者並不容易發展出「一機多用」的產品模式,市場現階段欲朝通用型AI發展,仍有技術挑戰。


 

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AOI 人工智慧