迎接人工智慧（AI）正逐步落实於各行各业，除了AOI与机器视觉等边缘Edge AI相关技术应用能最快看到获益；产业生态系构建与协作，更是实践边缘AI规模化至关重要的要素。本场东西讲座特别邀请研华工业用物联网·智能系统事业群协理陈文吉、笪??AI方案整合部·技术总监陈柏龙联袂主讲，剖析机器视觉与AOI的技术与应用趋势，并展??其未来融入生成式AI的发展趋势与挑战。

图一 : 研华工业用物联网·智能系统事业群协理陈文吉（右）、笪??AI方案整合部·技术总监陈柏龙（左）

研华机器视觉解决方案 携伴迈向工业AI Vision世界

图二 : 研华工业用物联网智能系统事业群协理陈文吉

陈文吉表示， 目前随着AI演进驱动制造业现场的变化，例如在算法上，得以降低企业导入门槛，不必再大举搜集资料标注、训练模型；最近也开始出现越来越多自主学习型的生成式AI，可提升其算法的便利性和精准度。

进而利用AI加值既有设备，提升效能、良率、产能；AI检测方案，除了过去仅针对制程中进行品质检验外，再加入AI後可用来量化、预测AOI取得数据，并向上溯及进料与供应链厂商管理、仓储物流、出货等流程加以改善瑕疵；AI升级智制，则能分别针对制造现场的人、机、料、法、环等情境元素，进行预测与分析。

至於部署也很重要，尤其是现代工厂不会必须部署到世界各地，而须导入AI模型和预训练排程；再透过Fine Tune调适，让AI模型在厂内也能与时俱进训练，加快部署时间。在应用上最大差异，则是与过去在工厂内许多服务都是买断式不同，开始有越来越多软体开始转型为租赁、订阅制。

研华不仅为此提供IEM平台、相机、影像等硬体与软体加值服务等产品组合，涵括Cloud、Edge、Node端感测运算的解决方案，引领客户进入AI Vision世界；同时与夥伴携手提供完整服务，加速AI+AOI落地，以满足AI工业影像需求。

笪??AI Navi平台 提供产业专用服务与生成式AI方案

图三 : 笪??AI方案整合部技术总监陈柏龙

其中笪??科技因为长期协助AI落地制造业，克服导入工厂的挑战，认为视觉是最容易看出AI应用的效益，而提供机器人及视觉、人员和数据管理等一条龙服务。继2017年在被动元件厂内首度导入AI解决方案、2018年获选为NVIDIA最隹夥伴；2019年更获得研华投资入股、到了2022年已成功协助业界导入百套以上AI视觉解决方案。

陈柏龙指出，尤其目前各产业的领导企业提供瑕疵检测方案，满足对於产品外观检测的需求，追求最短上线时程，在客户产品规格开模後、生产前，便要求笪??快速提出瑕疵解决方案的AI模型；生产高价值产品，不仅须达到零漏检率，也要求须降低过杀率；关注後续维运自主性，因应制程快速变化。

笪??的核心产品AI Navi则是专为产线而生的AI平台，同时持续与NVIDIA在工业瑕疵检测领域密切合作，可轻松扩展至特定领域解决问题。包括因AI 模型上线时程紧迫，提供专案式管理架构，陆续搜集迭代更新的瑕疵品图片训练；瑕疵标注、模型训练耗时耗力，内建多种标注工具和标注助理Quick Mark节省80%标注时间。

进而逐步导引实现模型训练及验证，在平台上确认可检出未经训练过的瑕疵；部署到产线上各站电脑并更新；引导客户维运产线应用持续更新，即使资料越大越稳定，确保模型效能未下降且适时加强，目前已有数百套AI Navi部署到工厂

值得一提的是，由於多变的制造环境，增加瑕疵检测的复杂性，容易造成资料不平衡Data Imbalance，面临更多陌生瑕疵。所以在2023年Gen AI问世後，笪??更加入瑕疵生成的关键作用，藉以增强资料、提高模型可靠性、解决资料不平衡、节省资源成本。

运用SpinMind加速AI导入进程，运用GenaAI技术，生成瑕疵图片，扩充训练集，缩短上线周期，极大化导入规模，降低专案边际成本，最少仅需一张图片，利用随机/画笔生成功能，轻松生成瑕疵图片，支援批量下载。

陈柏龙表示，AI Navi藉此搜集产线图片以持续迭代模型，协助用来训练模型，尽量降低学习门槛，让品检员可直接在现场操作该平台训练模型，纳入过去检测经验、标准以标注瑕疵，让机器视觉减轻人力负担或缺工的困扰。

**观看讲座直播录影：