產線效率大改造 優化AI機器視覺導入工廠流程成顯學

凌華科技協理楊家瑋(右)、資深產品經理許凱翔(左)、研發經理高銘章(中)均指出，凌華在AI與機器視覺領域深耕多年，其解決方案可協助客戶快速建構智慧化系統。DIGITIMES攝

AI是這波工業4.0浪潮中的關鍵技術，尤其是與機器視覺的結合，更成為多數製造業者導入智慧化系統的第一步，透過深度學習演算法，機器視覺可自我學習，判斷受檢物的品質優劣，不過凌華科技智能機械事業產品中心資深產品經理許凱翔指出，AI有一定技術門檻，對多數製造業者而言，導入並非易事，對此凌華結合過去在機器視覺與AI兩大領域的專業，推出了AI機器視覺解決方案，以PnP靈活彈性配置的特色，協助製造業者順利踏出智慧製造的第一步。

從技術發展來看，AI目前在製造業的應用主要集中在機器視覺與機器手臂兩大區塊，透過深度學習演算法，預測維護生產設備、優化產線效能、提升產品品質，許凱翔以PCB與水五金兩大產業為例，PCB表面的電路細小複雜且生產速度快，水五金則是有多重曲面特性，這兩大類產品都需要高強度的檢測系統，AI就會是提升檢測系統效能的關鍵技術。除了產線之外，AI機器視覺也可將應用觸角擴大到廠務端，像是以影像分析製造現場工作人員行為，以確保勞工安全，或是以物件辨識功能協助廠房進行環境控制，提升管理效能。

即便AI的效能強大且應用多元，業界也多認定這已是製造業未來趨勢，不過在實際導入時，多數業者都會發現想像與現實仍有一段距離，凌華科技協理楊家瑋指出，原因在於AI並非僅是單純配備加速引擎的硬體，完整的軟硬體架構與精準的專業領域知識，才能讓AI機器視覺系統具備智慧化，達到智慧製造目標。

延續楊家瑋的觀點，許凱翔表示，這幾年市場上陸續出現各種AI機器視覺系統的POC(Proof of Concept；概念性驗證)，其訓練端完成的模式，一直無法在現場端的設備上發揮預期效能，主要就是因為對專業的認知不足。他指出AI要落實在應用面需要兩大專業–特定領域的專業與AI的專業。在特定領域專業中，製造現場的產線設備多元，且不同的製造業有其特殊的生產工序，包括AI在內的所有新進的系統，都必須與現有機台與生產模式緊密匹配，不過多數AI系統業者對其專業知識的掌握有限。

在AI部分，系統需要高度專業，才能因應產線需求，找出合適的軟硬體，建構出最佳化系統。許凱翔指出，深度學習演算法的神經網路相當複雜，再加上硬體廠商針對現已推出各種加速器，像是Google的TPU、NVIDIA的GPU與兩家CPU大廠Intel、AMD的AI處理器，這些加速器的特性不一，在同一神經網路上運作會產生極為不同的效果，因此系統廠商除了必須了解深度學習神經網路的運作外，也要充分瞭解市場上各種加速器的特色，才能針對系統需求，搭配出最佳化系統，讓終端設備的運作合乎預期。

不過要具備製造與AI兩端的專業，建構出精準AI機器視覺系統，需要投入大量的資源與時間，對多數系統廠商與製造業來說，借助外部專業將會是最佳策略。凌華科技領域平台研發經理高銘章表示，凌華科技以自動化技術起家，在製造業已深耕多年，累積了深厚的製造專業知識，此外在AI領域也早已成立團隊，專職研發各種軟硬體的研發，因此可針對各類型製造業的需求，設計出合身的AI機器視覺解決方案。

高銘章進一步指出，凌華在深度學習演算法與市場各類硬體加速器功能的掌握，可為客戶搭配出最貼合產線需求的AI機器視覺系統，提升在產線運作的成功率。此外高度整合的軟硬體，不但以一站式採購，一次滿足客戶需求，其PnP隨插即用特色，可以協助業者快速部署系統、隨時校準參數、彈性變動產線，讓機器視覺系統完美達到製造業者的預期目標。

凌華的AI機器視覺系統現已應用於海內外製造業系統中，近年緊密合作的LEDA Technology(樂達創意科技)執行長黃哲瑄就指出，凌華在機器視覺已有多年的經驗，這幾年又全力投入AI研發，並成立相關團隊，不僅硬體產品可快速滿足系統廠商需求，讓廠商可專注於演算法的開發，在設計系統時，凌華的專家團隊也會提供諮詢服務，協助系統快速落地應用，攜手協助客戶邁向製造智慧化的第一步。