LEDA樂達創意科技異常偵測解決方案 有效協助少量多樣產線品質把關

LEDA樂達創意科技異常偵測解決方案協助客戶因應少量多樣產品的檢測困境，達成快速建模，進行產品監控、有效把關出貨品質。樂達創意科技

為什麼製造業的老闆對於人工智慧的解決方案又愛又恨呢？老闆們到底在擔心什麼？將人工智慧落實於製造業，擔任外觀品質的把關者，是一個很好的敲門磚，老闆最在乎的還是能不能夠提供品質良好的產品給終端客戶。舉例來說，人們每天在戴的隱形眼鏡，其實每片都是有目檢員一片一片檢查出來的，一位目檢員平均一天必須要檢查至少三千八百片以上，其檢驗品質以及可靠度令人存疑之外，出了問題也很難尋找證據，業主們期待機器視覺能夠解決品質把關所遇到的問題。

自動光學檢測主要的目的是協助製造業業主將其產品表面的缺陷挑出來，例如想要找到布料上的破洞、錯色、污漬，我們可以採用物件偵測的方式來進行資料訓練。物件偵測可以在圖片裡用框標出物件的範圍，並針對該範圍進行缺陷分類。在進行物件偵測的模型訓練之前，必須要做到定義缺陷類別、蒐集大量資料、以及進行缺陷標記三大工作。如果要能夠完美地執行監督式學習的作法，必須要有足夠的數據以及準確的標記，然而這樣的作法在初期卻很難被業主接受。首先，大部分工廠生產的產品不會有太多的缺陷樣品，真實的狀況良品(沒有缺陷)所佔比例可能超過90%甚至高到99%，業主難以提供足夠的數據進行監督式學習；除此之外，大部分的業主也很難配合提供缺陷的定義，因而無法進行數據的標記，以上種種原因都讓資料科學團隊難以快速做出評估，讓業者對於導入人工智慧有所顧忌。

非監督式學習是一種對於資料中不包含人類判斷(標記)的機器學習方法，異常偵測就是其中一項在自動光學檢測領域的應用。製造業業主只需要提供良品的圖片，即可產生一個進行瑕疵檢測的模型，這個模型可以用來預測樣品上每個像素是正常還是異常。異常偵測在初期評估，只需要良品以及相對少量的數據，在訓練完模型之後，馬上可以拿來檢測不良品，大大提升業主對於推動智能檢測的信心度。透過樂達創意科技研發的一站式人工智能開發平台SeaDeep，使用者不需要寫程式，透過網頁式的操作介面，只需要上傳良品進行模型訓練，就可以找不不良品，大大降低資料標記造成的障礙。

目前樂達推出的智能邊緣相機內就包含此異常偵測AI模型，協助半導體製造業主以及紡織業客戶因應少量多樣產品的檢測困境，讓使用者可以快速建模，進行產品監控，協助把關出貨品質。客戶看中SeaDeep一站式人工智能平台，不只是其快速建模之方便性，也包括平台內其它與場域硬體結合以及資料健康度檢查等功能，降低客戶對於AI的想像力，提升執行者對於AI的掌握力。