機器視覺近年來發展加速，應用領域也快速拓展，相較於人眼，機器視覺對環境的適應力更佳，包括高溫、寒冷，甚至是真空等人類難以適應的惡劣環境，機器視覺都可正常運作，再加上現在產線移動速度越來越快，產品體積漸趨精細，人眼已難分辨細小瑕疵。

圖1 : AI已是機器視覺的既定趨勢，多數軟硬體廠商都已投入研發，新產品也不斷問世，未來發展值得期待。（source: Electronics Sourcing）

在此情況下，在科技、食品…等製造業中，機器視覺已逐漸取代人力，成為品管檢測的主要技術，近年來智慧化成為全球製造業的重要趨勢，機器視覺也迅速與AI結合，提供業者更快速、精準且具彈性的視覺檢測方案。

從應用面來看，機器視覺在製程上包括檢視（Inspection）、導引（Guidance）、控制（Control）、識別（Identification）和物料搬送（Material Handling）等四大應用面向方面，其族群則為產業機器設備製造商、系統整合商與企業用戶。

工業4.0驅動市場改變

至於產品類型則有分別是PC-Based以及單機兩種架構，PC-Based的使用者大多需要具備程式能力，前段影像擷取的部份可由硬體工程師進行整合，軟體的部份需具有程式能力的軟體工程是進行系統的開發與設計，其開發時程較長，適用於有獨特需求、並具備軟體開發能力的使用者。

至於單機式架構則訴求簡易操作、快速上手，上述的三大使用族群各有不同的技術背景與需求，如企業用戶多要求簡單易操作、多功能合一的單機型設備，較不熟稔專業程式設計的影像工程師，只需要對機器視覺有一定程度的概念與實務經驗，即可透過套裝軟體完成單機型設備參數的設定。換句話說，因應不同的需求，機器視覺有不同的作法以及客戶群，各有其優勢與特點來滿足多元的應用。

圖2 : 在科技、食品…等製造業中，機器視覺已逐漸取代人力，成為品管檢測的主要技術。（source: Applied Controls）

不過，儘管架構不同，但在近年來的AI化趨勢下，機器視覺的軟體平台都必須走向高專業與精簡設計，以利於製造業者提高生產線效率，並縮短人才的培育時間。

就如前文所敘述，過去常用的人力檢測已難因應現在產線需求，人眼除了會因工作時間的拉長導致品質下降外，越來越快的生產速度與部分小體積產品，人眼也難以負荷，因此AOI現已成為產線檢測主流技術，透過高解析工業相機與高效能影像軟體，強化製程的檢測效率。

過去消費市場主要為少樣多量的型態，因此產線均設計為大批量生產，在建置前階段就將所有的環節緊密嵌合在一起，以最小的變動設計出最精簡的製程，以最快速生產模式創造出最大效益，不過工業4.0趨勢到來，徹底顛覆了製造思維。工業4.0是終端市場的需求為導向，透過客製化生產快速滿足市場需求，其最終目標是即便產線只生產一件產品也能獲利，因此彈性化成為新世代產線必須，包括AOI在內的產線設備都面臨變革。

在過去的產線中，AOI檢測的導入雖然繁複，不過只要在產線設置前期設定完成，後期即便需要更動頻率也不高，因此對製造業者而言負擔並不沉重，不過在多樣化生產需求浮現後，彈性化成為新世代產線必要的設計，可快速設定並有自我學習能力的AI逐漸被應用在產線視覺檢測。

AI解決方案不斷問世

相較於其他應用，影像是目前AI發展最快的領域，透過機器學習演算法快速識別影像的做法，已被廣泛應用於交通、建築系統，其辨識率更可達到95％，此辨識率在上述領域雖已足夠，但在產線辨識仍然不足。

現在手機上的Face ID或門禁系統的臉孔辨識，其辨識影像數據量龐大且被辨識物的背景單純，設備要辨識相對容易，而且使用者對失敗的容許度較高。產線辨識則會直接影響出貨良率，對錯誤容許度極低，而且被辨識的物件影像數據少、其背景複雜，因此其AI演算法不能一體適用，必須重新設計。

圖3 : 相較於其他應用，影像是目前AI發展最快的領域。（source: SEMI）

除了演算法之外，硬體成本是另一個問題。現在AI的主要運算單元是GPU，一般產線上的檢測，必須拍攝到物件的上下左右共六個面向，因此其系統必須架設六組工業相機，而每組工業相機又都需要搭配一張GPU顯示卡作為運算，加總起來的設備成本非常高昂。此外，現在市面上的GPU多為消費性產品所設計，其產品供貨期偏短，難以滿足需要長期使用的工業系統，一旦GPU供應商斷貨，關鍵零組件就難以為繼，原有零組件一旦故障，設備就有可能必須因此停擺，造成龐大的損失。

為解決此問題，機器視覺廠商必須選用符合工規標準的GPU產品，現已有廠商推出長期供貨的GPU，解決後續的維修問題。至於多GPU問題，NVIDIA也有可以外接型態運作的產品，可在一部工業電腦上外接六組GPU，其效能與過去的 六部電腦一致，不但大幅降低了設備的購置成本，也有效縮減產線空間並提升設備維修效率，且效率大幅增加，過去需要數天的前端AI訓練，導入後僅需數小時，效益提升了30倍以上，實際上線後，也將原來一秒多的運算時間最快縮短到5毫秒。

整體而言，AI已是機器視覺的既定趨勢，雖然目前軟硬體技術都已堪使用，不過製造現場的環境複雜，且各製造業者的需求不一，因此在實際應用時仍需不斷調校。至於在供應面，由於AI機器視覺的市場龐大且需求明確，因此多數軟硬體廠商都已投入研發，新產品也不斷問世，未來發展值得期待。