帳號:
密碼:
CTIMES / 文章 /   
因應工廠需求 打造特定AI視覺系統
 

【作者: 王明德】   2019年09月25日 星期三

瀏覽人次:【1279】
  

AI(人工智慧)在2016年底重新啟動後,迅速成為各產業焦點,拜網際網路蓬勃與半導體技術精進所賜,這波AI發展已快速落地應用,而在各項應用中,影像識別又是比例最高者。在製造業中,影像技術在生產與廠務兩端都有所應用,生產端主要為機器視覺,作為產品檢測之用,廠務端則是電腦視覺,用於工安、環境的偵測,而AI目前在這兩部分都已有成功應用。



圖1 :  在製造業中,影像技術在生產與廠務兩端都有所應用,生產端主要為機器視覺,作為產品檢測之用,廠務端則是電腦視覺,用於工安、環境的偵測。(source:Phase 1 Technology)
圖1 : 在製造業中,影像技術在生產與廠務兩端都有所應用,生產端主要為機器視覺,作為產品檢測之用,廠務端則是電腦視覺,用於工安、環境的偵測。(source:Phase 1 Technology)

全球市場競爭日益激烈,製造業者所面臨的壓力越來越大,AI在視覺系統的應用成效明確,所產生的效益也可量化計算,再加上影像是目前較容易取得的數據資料,因此投入開發者眾,市場可選擇的解決方案數量也比其他應用多,在供需兩端的態度均為積極的態勢下,市場迅速成長。


不過對製造業來說,AI畢竟是全新技術,在製造現場實際應用時,仍需克服大量問題,對此目前設備供應商與系統整合商都展開不同的作法,凌華科技智能工廠事業中心市場開發經理楊家瑋就指出,如何選擇適用的AI架構與系統整合商,將是目前製造業者導入機器視覺的首要挑戰。


降低導入難度 強化AI效益


圖2 : 凌華科技智能工廠事業中心市場開發經理楊家瑋指出,選擇適用的AI架構與系統整合商,將是目前製造業者導入機器視覺的首要挑戰。(攝影/王明德)
圖2 : 凌華科技智能工廠事業中心市場開發經理楊家瑋指出,選擇適用的AI架構與系統整合商,將是目前製造業者導入機器視覺的首要挑戰。(攝影/王明德)

楊家瑋以凌華為例,凌華以自動化設備資料採擷起家,在此一領域已有多年經驗,近年來AI興起,凌華也開始強化此領域的布局,除了持續推出新產品外,也積極建立產業生態圈,結合不同領域的系統整合商,提供完整解決方案。


作為產品檢測主力設備,機器視覺在生產線的重要性極高,要置換新設備或新系統,都必須考量到導入時間與成本,因此凌華近期以熱插拔(Plug & Play)的作法,降低導入時的困難度與複雜度,同時減少新舊系統交替時的成本支出。


首先是生產設備的熱插拔,其次是AI平台的熱插拔,第三是推論模式的熱插拔,這三大作法解決了製造商的幾個問題,首先是尚未擁有AI模型的製造系統,可藉此快速建立,其次是透過效能夠強的推論模型,修正訓練模型所完成的模式,在現場使用時的不足,最後則是強化與其他系統的整合。


在生產設備的熱插拔部分,楊家瑋指出可以在機器視覺原有的影像擷取卡中加入運算處理功能,透過邊際運算的設計,大幅減少現場設備的體積,而且在GPU與CPU廠商的技術推動下,現在處理器的運算能力大幅提升,可以單一處理器運算4~8個通道的視覺系統,釋放出設備中原有的插槽空間,讓設備做更有彈性的應用。


在推論端,凌華科技在近期推出DataRiver中介軟體,並將各種應用模組化,使用者可透過DataRiver取用所需的功能模組,其中就包含取像的熱插拔,快速導入至製程系統中,而除了功能導入外,使用者也可經由DataRiver將機器視覺的影像顯示於他處,讓系統更具彈性。


另外AWS與Microsoft的公有雲,現在都提供了深度學習的服務,為使製造業者善加利用這些資源,凌華科技設計出各種應用機制,讓製造業者在使用上述公有雲,乃至於其他系統廠商所推出的AI功能時,可快速建構出符合自身需求的機器視覺系統。


因應現場特色 調整AI架構


圖3 : AI在製造業的應用中,機器視覺是目前導入速度最快的領域。(攝影/王明德)
圖3 : AI在製造業的應用中,機器視覺是目前導入速度最快的領域。(攝影/王明德)

雖然在不同環節都有對應的方式,不過這些作法彙整到工廠時,仍須因應現場環境而有所調整,尤其是部分難以取得數據的製造業更需如此。楊家瑋指出,製造業目前仍有像是LCD玻璃基板的刮痕之類的產品瑕疵,現有的機器視覺難以檢測,因此現在有廠商希望透過AI的深度學習解決此一問題。


不過,現在有幾個難點,首先是資料難以取得,在製程成熟的製造業中,產線良率都已相當高,在不良品數量偏低的狀況下,AI難以採擷到足以建立訓練模式的分析數據。


對此,凌華科技採用反向學習法,將數據採樣方向由不良品轉為良品,透過大量的合格產品樣本,建立起「正確樣貌」的數據庫,在訓練模式中,只要不合於正確樣貌的產品,都會被歸類於不良品,楊家瑋指出,在實際應用中,這種作法雖仍會有漏網之魚,不過相較於現有檢測方式,其檢出率已大有改善,是目前AI機器視覺在產線應用中最實際的作法。


再就機器視覺的產業構成來看,目前主要的系統整合商會包括AOI、AI與IT等三大族群,這三大族群各從不同角度出發,所擅長的AI技術也不同,楊家瑋指出,由於AI沒有通用模型,每一類型需求都需要對應不同的AI模型,而每家系統整合廠商所擅長的AI也不盡相同,因此在導入過程中,廠商必須與不同的系統整合廠商合作,才能打造出最佳化系統,凌華目前與這三種類型的系統整合廠商均有合作,建構出完整的產業生態圈。


電腦視覺確保勞工安全

AI機器視覺在產線的應用已越來越深,不過另一種視覺技術在工廠的應用,不但不遑多讓,而且應用的廣度更大,也就是電腦視覺。在製造領域,電腦視覺主要應用於廠務端,像是工安、環境監測等。電腦視覺的系統架構與機器視覺不同,主要是透過安全監控攝影機與智慧軟體的整合,達到各種智慧化功能。


這類型架構在安全監控領域早有應用,也就是IVS(Intelligence Video Surveillance System;智慧型影像監控),IVS透過軟體偵測特定區域的人事物,可將處理時間由事後提前至事發,甚至是事前,達到「大事化小、小事化無」的目標。而AI技術的導入,則再次強化了電腦視覺的智慧化功能。


透過AI技術,電腦視覺在廠務系統的應用更多元且更具智慧化,楊家瑋以工安為例,現在已可將生產現場作業人員的標準工序、穿著、機台操作方式建置於系統內,並由前端攝影機負責監控,一旦有非標準穿著人員進入,或是激態操作方式不正確,系統就會發出警告,要求相關人員改善,而且在工廠動線中不同處就有各自的監控目標,像是特定區域的入口處會偵測服裝穿著、機台前會偵測操作方式等,透過層層的環節把關,打造出最安全的工作環境,也讓AI的應用價值再次提升。


相關文章
深度學習在機器視覺領域的機遇與挑戰
機器視覺引導CTA計畫第一架天文望遠鏡原型
機器視覺走入AI世代 後勢發展深具潛力
機器視覺系統提升藥瓶檢測效率及準確性
工業相機技術持續翻新 機器視覺效益全面提升
comments powered by Disqus
相關討論
  相關新聞
» 南樺發表Line警報器解決方案 協助提升製造業擴廠彈性
» NexCOBOT結合AWS雲平台服務 簡化智慧機器人開發及部署流程
» 產學合作創益加乘 群聚力打造科技生態鏈
» 金屬中心協同搬運模組 實現智慧工廠搬運效益
» 強化物聯網與工業設備效能 ST推出高效能MPU
  相關產品
» Fluke首款可攜式口袋熱像儀上市
» Fluke首款工業聲學成像儀ii900上市
» Fluke四款640 x 480解析度熱像儀齊登場
» 明緯擴充EPP-500系列
» KNX用於現代建築 可降低事後維護與火災風險

AD


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北市中山北路三段29號11樓 / 電話 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw