工業(yè) 4.0 在全球制造業(yè)掀起智能化浪潮，通過(guò)智能制造系統，制造流程將可大幅優(yōu)化，進(jìn)而提升產(chǎn)線(xiàn)效能、降低成本支出，在智能制造系統中，人工智能扮演了重要角色，尤其是深度學(xué)習演算法更開(kāi)始被應用到產(chǎn)線(xiàn)系統中的視覺(jué)檢測，快速而精準的判別產(chǎn)品瑕疵。

AI視覺(jué)檢測解決方案高效掌握瑕疵零件 大幅提升產(chǎn)品良率

機器視覺(jué)檢測有效取代人眼，全靠“深度學(xué)習”
深度學(xué)習屬于機器學(xué)習的領(lǐng)域，其演算方式是通過(guò)不斷重復判別物件獲得龐大數據，再經(jīng)過(guò)大量的運算讓精準度不斷接近完美，瑞科指出，目前深度學(xué)習已經(jīng)被大量應用于各種領(lǐng)域，制造業(yè)的視覺(jué)檢測則是其中重點(diǎn)應用。
產(chǎn)品檢測是制造業(yè)質(zhì)量管理的一環(huán)，過(guò)去皆由現場(chǎng)作業(yè)員親力親為，然而人眼有其極限，檢測速度與正確率會(huì )隨著(zhù)作業(yè)時(shí)間拉長(cháng)降低，再加上產(chǎn)線(xiàn)速度越來(lái)越快、產(chǎn)品體積逐漸輕薄短小，后期機器視覺(jué)開(kāi)始取代人眼，成為產(chǎn)線(xiàn)檢測主流。
在產(chǎn)線(xiàn)中，視覺(jué)檢測有四大主要功能，包括量測、辨識、定位、檢查等，而檢測是所有功能中困難的部分，由于現場(chǎng)人員對瑕疵的認知不同，因此即便是已然自動(dòng)化的機器視覺(jué)，仍會(huì )存在因系統設定或現場(chǎng)質(zhì)管人員不同，導致出貨產(chǎn)品質(zhì)量無(wú)法一致性的問(wèn)題，要解決此一問(wèn)題，瑞科指出深度學(xué)習將會(huì )是佳方式。

純 AOI 系統將快速消失，結合 AI 成轉型關(guān)鍵

將深度學(xué)習導入至產(chǎn)線(xiàn)檢測，對制造業(yè)與系統供應商兩端來(lái)說(shuō)，都可提升工作效率。在使用者端，視覺(jué)檢測系統可以省下大量人眼檢核的成本，機器視覺(jué)軟硬件架構的準確率與判斷速度，已遠遠超過(guò)人眼，而且設定完成后，即可長(cháng)時(shí)間不間斷且以一致標準的工作，將可為制造業(yè)者省下大量的人力成本。
過(guò)往的機器視覺(jué)系統，每一次上線(xiàn)都必須不斷調整設定，在智能制造概念中，產(chǎn)線(xiàn)必須可快速回應訂單，彈性調整生產(chǎn)內容，現行機器視覺(jué)檢測的繁復設定將難以滿(mǎn)足彈性化生產(chǎn)需求，深度學(xué)習架構只要事先通過(guò)訓練，即可快速上線(xiàn)使用，且還能自主學(xué)習，系統可以自動(dòng)找出佳的 OK/NG 參數，不必再由人員調整，在此狀態(tài)下，各設備的瑕疵檢測標準將可一致性，不會(huì )因品牌、使用時(shí)間的不同產(chǎn)生差別。
至于系統整合商，運用人工智能也將強化市場(chǎng)競爭力。人工智能在視覺(jué)檢測市場(chǎng)正加速普及，純 AOI 系統在制造業(yè)的競爭力將會(huì )快速消失，不過(guò)瑞科也指出，現在市場(chǎng)對人工智能的導入也有迷思，多數廠(chǎng)商認為將 AOI 全面替換為人工智能，將可立即降低漏檢與誤判機率，然而這種一步到位的想法在實(shí)際狀況中并不可行，反而會(huì )讓漏檢和誤檢率大幅增加，建議應該保留現行 AOI 功能并結合人工智能，才能迭加兩者的優(yōu)勢。
產(chǎn)品漏檢率趨近于零，誤判率極低
瑞科針對視覺(jué)檢測所推出的 DAVS 即是以人工智能為核心的運送系統，此系統可以結合既有的 AOI 系統，讓既有設備可延長(cháng)使用年限，以此保障制造業(yè)者過(guò)去的投資，而人工智能與 AOI 整合的模式，也提升了產(chǎn)品的檢出率。
以SMT用電感(用于手機/小型化PCB)為例，除非是嚴重裂紋，否則傳統的 AOI 系統常無(wú)法判斷影像中的線(xiàn)條是原有紋路或裂痕，且AOI對其中度裂紋的檢出率小于 50％，輕微裂紋檢出率更是在 5％ 以下，加裝 DAVS 之后，檢出率大幅提升，不但漏檢率為零，誤判率更低于 0.3％。