近年来,随着生成式 AI 和机器视觉检测的快速发展,为智慧 AOI 检测注入了新的活力。本文将聚焦在智慧 AOI 检测市场的发展现况与趋势,并剖析其在智慧工厂巡检与品质管控的应用场景,并关注生成式 AI 与机器视觉检测所带来的变革。
人工智慧(AI)浪潮席卷全球,制造业正经历着前所未有的转型。在追求更高效率、更高品质、更低成本的目标下,结合AI技术的智慧自动化光学检测(AOI)已成为不可或缺的关键技术。
根据市场研究机构 MarketsandMarkets 的预测,全球 AOI 设备市场规模将从 2020 年的 5.5 亿美元成长至 2025 年的 8.1 亿美元,年复合成长率达 8.1%。其中,亚太地区由於电子制造业的蓬勃发展,预计将成为成长最快的市场。此外,由於生成式 AI 和机器视觉检测的崛起,将进一步推动此市场的成长。
智慧AOI检测的全球市场概况
而各个区域的发展则如下:
中国
作为全球制造业重镇,中国对智慧 AOI 检测的需求最为强劲,特别是中国政府持续推动「中国制造 2025」等政策,鼓励制造业转型升级,这为给予了智慧 AOI 检测市场发展的长期利多。预计未来几年,中国智慧 AOI 检测市场将保持高速成长。
目前,智慧AOI检测在中国的应用领域主要包括消费电子、半导体、显示面板、汽车工业等,其他还有机械制造、食品饮料、医药和纺织。
美国
美国是全球科技创新中心,无论人工智慧、机器视觉,或者大数据技术,都是属於领头羊的角色,这也为该地区的智慧AOI检测市场的发展奠定了坚实基础。而目前美国也是全球最大的自动光学检测市场之一,预计到2030年底,市场规模将达到729亿美元,复合年增长率为13.6%,显示美国对AOI技术的需求强劲。
近年来,美国出现制造业回流趋势,这将增加对先进制造技术的需求,包括智慧AOI检测。
智慧AOI检测在美国的重点应用领域主要包括电子制造、半导体产业、航太、医材和汽车工业等。
欧洲
欧洲是工业4.0的大本营,因此在推动智慧AOI检测的发展上也是不遗馀力。
工业4.0强调设备互联、数据分析和智能化,这与智慧AOI检测的发展方向一致。因此在此一政策的引领下,将进一步刺激智慧AOI检测市场的发展。
智慧AOI检测在欧洲的重点应用领域主要包括:汽车工业、电子制造、半导体产业与医疗器材等。
日本
日本智慧AOI市场主要受电子制造业、汽车产业等驱动。随着技术的进步和应用领域的扩大,预计市场规模将持续增长。另一方面,三维立体检测的3D AOI、AI赋能和与其他设备的整合将成为未来发展的主要趋势。
主要应用领域则以电子制造业、汽车产业、食品和医药产业为主,其他如金属加工、纺织、印刷等产业,在日本的AOI应用也有举足轻重的位置。
台湾
台湾拥有完整的电子产业供应链,并在半导体、面板等领域处於领先地位。因此随着智慧制造的推进,台湾对智慧 AOI 检测的需求也日益增加。尤其受到少子化和人囗老化等因素的影响,也提高业者加速采用智慧AOI检测的意愿,以减少人力并提高产能。
台湾智慧AOI的应用领域相当广泛,以下列出几个主要的代表性业:电子与半导体产业、面板产业、PCB产业、金属加工与机械产业,其他还有食品与医药产业、纺织产业。
![图一 : 台湾的电子与半导体产业、PCB产业等,是智慧AOI的主要应用领域。](/art/2024/08/281518212670/p1S.JPG)
图一 : 台湾的电子与半导体产业、PCB产业等,是智慧AOI的主要应用领域。 |
|
生成式 AI 的智慧机器视觉检测
除了深度学习、大数据分析、云端运算与边缘运算等主流趋势外,生成式 AI的崛起,正为智慧 AOI 检测带来新的突破。
生成式 AI 是一种能够生成新的、原创内容的人工智慧技术,而这种技术除了可以用内容创作之外,对於需要影像资料的智慧检测辨识来说,将能是一种有效缩减模型产生的时程的方法。
传统上,要让AOI学会辨识瑕疵,必须事前准备一定数量的瑕疵照片,藉此产生数据模型,有点像准备教材一样。然而有些领域的瑕疵照片取得费时旷日或者成本庞大,例如水果植栽和半导体晶片,不仅花费时间,同时也会提高一定的生产成本。 而且就算好不容易训练好了,换个新产品或出现新的瑕疵,AOI又得重头学起。
现在有了生成式AI,检验者它可以自己生成出各种瑕疵的照片,让智慧AOI在初期就能取得一定的数据资料,并藉此训练出堪用的辨识模型,加速检测设备在产线的上线时程,进而减少时间成本,同时也能加速量产。後续量产进行後,实际的影像资料也能再被利用,藉此进行优化与调教,让检测的品质更贴近真实的产品。
在智慧 AOI 检测中,生成式 AI 可以应用於:
· 缺陷生成与扩增: 通过生成各种可能的缺陷图像,扩增训练数据集,提高模型的泛化能力和检测准确率。
· 虚拟样本生成: 生成各种产品的虚拟样本,用於模型训练和测试,降低开发成本和周期。
· 自动化报告生成: 根据检测结果,自动生成详细的检测报告,提高工作效率。
不过值得注意的是.瑕疵数据的生成与采用仍是属於辅助产线人员的目的,因此瑕疵的标注仍是需要专业人士来进行,而所生成的影像也必须要可为人类辨识才行。
表一:生成式AOI检测与传统AOI检测比较表
特性
|
生成式AOI检测
|
传统AOI检测
|
原理
|
基於深度学习模型,从大量数据中学习瑕疵特徵,具备自主学习和适应能力
|
依赖预先定义的规则和模板进行图像比对,检测已知瑕疵
|
范围
|
适用於多样化、复杂的瑕疵检测,尤其擅长检测未知或难以定义的瑕疵
|
适用於已知瑕疵的检测,检测标准明确、一致
|
准确度
|
检测准确度高,尤其在复杂瑕疵和低对比度瑕疵检测方面表现出色
|
检测准确度较高,但易受光线、环境等因素影响,对未知瑕疵检测能力有限
|
灵活性
|
灵活性高,可适应不同产品和生产线变化,无需频繁调整叁数
|
灵活性较低,需要根据不同产品和生产线调整叁数,调整过程繁琐
|
速度
|
检测速度较快,可实现实时检测
|
检测速度较快,但复杂算法可能会影响检测效率
|
维护成本
|
维护成本较低,模型可自主学习和更新
|
维护成本较高,需要定期调整叁数和更新检测程序
|
适用场景
|
适用於高精度、高灵活性要求的生产线,如电子产品、汽车零部件等
|
适用於标准化、大批量生产的产品检测,如印刷电路板、面板等
|
生成式智慧机器视觉的软硬体
而要导入生成式AI的AOI技术,在硬体方面,具备一定的运算能力可说是基础条件。由於生成式AI模型的训练和推理需要大量的计算资源,因此配备高效能的GPU或专用的AI加速器是不可或缺;而高解析度工业相机则是捕捉产品表面细微缺陷的眼睛;而机械手臂或传送带则负责产品的自动化定位和移动;另一方面,充足的储存空间也是必备的,用於储存大量的训练数据、模型叁数和检测结果。
软体方面,深度学习框架如TensorFlow、PyTorch等是构建和训练生成式AI模型的基石;生成式AI模型库如GAN、VAE等,则负责生成逼真的缺陷图像或学习正常样本的分布;图像处理库如OpenCV等,用於对图像进行预处理、特徵提取和後处理。最後,AOI检测软体负责整合硬体设备、控制检测流程、显示检测结果和生成报表。
除此之外,数据标注工具、模型优化工具以及云端运算平台等,也可能在特定情况下派上用场。
值得注意的是,具体所需的软硬体配置会根据检测产品的复杂度、缺陷类型、检测速度要求等因素而有所不同。因此,在选择软硬体设备时,建议谘询专业的AOI系统整合商,以获得最适合的解决方案,让生成式AI在AOI检测领域充分发挥其潜力。
生成式 AI 与机器视觉检测的应用场景
生成式AI和机器视觉检测的结合,为许多产业带来了创新的应用场景,以下是几个不同产业的应用案例:
制造业
制造业是台湾的重要经济核心,除了全球闻名的半导体和电子业外,还有机械与各种加工制造。而对制造业来说,其工件的样式繁多,且材质迥异,如要透过传统的方式取得数据资料进行分析,经常需要一定的时间来训练,但若使用生成式AI技术,则可在效率与实用度上大幅的提升,而其主要运用於以下:
· 瑕疵检测与分类:生成式AI可以生成大量逼真的瑕疵图像,用於训练机器视觉模型,使其能够更准确地检测和分类产品表面的各种瑕疵,包括刮痕、凹痕、污点、变形等。
· 产品外观检查:除了瑕疵检测,生成式AI还可以帮助机器视觉系统检查产品的外观是否符合标准,例如颜色、形状、尺寸等。
· 零件组装验证:在产品组装过程中,机器视觉系统可以利用生成式AI生成的图像来验证零件是否正确组装,以及是否存在缺失或错误安装的零件。
· 制程监控与优化:通过分析生产线上的影像数据,生成式AI可以帮助识别潜在的生产问题,并提供优化建议,提高生产效率和产品品质。
![图二 : 结合边缘运算技术的智慧型工业镜头,图为凌华的解决方案。](/art/2024/08/281518212670/p2S.JPG)
图二 : 结合边缘运算技术的智慧型工业镜头,图为凌华的解决方案。 |
|
医疗领域
生成式AI能制作医学影像,帮助医生更准确诊断疾病。它也能辅助医生进行手术,提高手术精确度。另外,它还能生成分子结构,加速新药研发。
· 医学影像分析:生成式AI可以生成各种医学影像,例如X光片、CT扫描、MRI等,用於训练机器视觉模型,使其能够更准确地诊断疾病、识别肿瘤、评估治疗效果等。
· 手术辅助:在手术过程中,机器视觉系统可以利用生成式AI生成的图像来辅助医生进行手术规划、导航和操作,提高手术的精确度和安全性。
· 药物研发:生成式AI可以生成大量的分子结构,用於筛选和设计新的药物,加速药物研发过程。
安防监控
除了做为产线上的检测工具,生成式结合机器视觉也能用在监控上。透过AI技术,能学会分辨正常和异常行为,有助於提升安防监控。它也能生成人脸图像,让人脸识别和身份验证更准确。
· 异常行为检测:生成式AI可以学习正常行为的模式,并识别出偏离正常模式的异常行为,例如人群聚集、打架斗殴、非法入侵等,提高安防监控的效率和准确度。
· 人脸识别与身份验证:生成式AI可以生成各种人脸图像,用於训练机器视觉模型,使其能够更准确地识别人脸和验证身份,应用於门禁系统、考勤系统、安检系统等。
其他领域
生成式AI也能广泛运用在其他的场域上,例如交通与农业等。它能生成各种道路场景,让自动驾驶更安全。它也能生成农作物图像,帮助识别病虫害。另外,它还能生成商品图像,用於零售业的库存管理和顾客行为分析。
· 自动驾驶:以生成各种道路场景和交通状况的图像,用於训练自动驾驶系统,使其能够更安全、更智能地应对各种复杂的路况。
· 智慧农业:生成各种农作物的图像,用於训练机器视觉模型,使其能够识别病虫害、评估作物生长状况、优化灌溉和施肥等。
· 零售业:生成各种商品的图像,用於训练机器视觉模型,使其能够识别商品、进行库存管理、分析顾客行为等。
![图三 : 生成式AI可以生成大量逼真的瑕疵图像,用於训练机器视觉模型。图为思??科技的AI检测辨识系统。(source:思??)](/art/2024/08/281518212670/p3S.JPG)
图三 : 生成式AI可以生成大量逼真的瑕疵图像,用於训练机器视觉模型。图为思??科技的AI检测辨识系统。(source:思??) |
|
结语
智慧 AOI 检测作为工业 4.0 时代的关键技术,正引领着制造业的转型升级。在 AI、机器视觉、大数据等技术的推动下,特别是生成式 AI 和机器视觉检测的崛起,智慧 AOI 检测将不断发展,为制造业带来更高的效率、更优的品质和更低的成本。随着各国政府政策的支持和市场需求的持续增加,智慧 AOI 检测方案的导入范围也将更加广阔,并在智慧工厂巡检与品质管控中发挥越来越重要的作用。