账号:
密码:
CTIMES / 文章 /   
因应工厂需求 打造特定AI视觉系统
 

【作者: 王明德】2019年09月25日 星期三

浏览人次:【1510】
  

AI(人工智慧)在2016年底重新启动後,迅速成为各产业焦点,拜网际网路蓬勃与半导体技术精进所赐,这波AI发展已快速落地应用,而在各项应用中,影像识别又是比例最高者。在制造业中,影像技术在生产与厂务两端都有所应用,生产端主要为机器视觉,作为产品检测之用,厂务端则是电脑视觉,用於工安、环境的侦测,而AI目前在这两部分都已有成功应用。



图1 :  在制造业中,影像技术在生产与厂务两端都有所应用,生产端主要为机器视觉,作为产品检测之用,厂务端则是电脑视觉,用於工安、环境的侦测。(source:Phase 1 Technology)
图1 : 在制造业中,影像技术在生产与厂务两端都有所应用,生产端主要为机器视觉,作为产品检测之用,厂务端则是电脑视觉,用於工安、环境的侦测。(source:Phase 1 Technology)

全球市场竞争日益激烈,制造业者所面临的压力越来越大,AI在视觉系统的应用成效明确,所产生的效益也可量化计算,再加上影像是目前较容易取得的数据资料,因此投入开发者众,市场可选择的解决方案数量也比其他应用多,在供需两端的态度均为积极的态势下,市场迅速成长。


不过对制造业来说,AI毕竟是全新技术,在制造现场实际应用时,仍需克服大量问题,对此目前设备供应商与系统整合商都展开不同的作法,凌华科技智能工厂事业中心市场开发经理杨家??就指出,如何选择适用的AI架构与系统整合商,将是目前制造业者导入机器视觉的首要挑战。


降低导入难度 强化AI效益


图2 : 凌华科技智能工厂事业中心市场开发经理杨家??指出,选择适用的AI架构与系统整合商,将是目前制造业者导入机器视觉的首要挑战。(摄影/王明德)
图2 : 凌华科技智能工厂事业中心市场开发经理杨家??指出,选择适用的AI架构与系统整合商,将是目前制造业者导入机器视觉的首要挑战。(摄影/王明德)

杨家??以凌华为例,凌华以自动化设备资料采撷起家,在此一领域已有多年经验,近年来AI兴起,凌华也开始强化此领域的布局,除了持续推出新产品外,也积极建立产业生态圈,结合不同领域的系统整合商,提供完整解决方案。


作为产品检测主力设备,机器视觉在生产线的重要性极高,要置换新设备或新系统,都必须考量到导入时间与成本,因此凌华近期以热??拔(Plug & Play)的作法,降低导入时的困难度与复杂度,同时减少新旧系统交替时的成本支出。


首先是生产设备的热??拔,其次是AI平台的热??拔,第三是推论模式的热??拔,这三大作法解决了制造商的几个问题,首先是尚未拥有AI模型的制造系统,可藉此快速建立,其次是透过效能够强的推论模型,修正训练模型所完成的模式,在现场使用时的不足,最後则是强化与其他系统的整合。


在生产设备的热??拔部分,杨家??指出可以在机器视觉原有的影像撷取卡中加入运算处理功能,透过边际运算的设计,大幅减少现场设备的体积,而且在GPU与CPU厂商的技术推动下,现在处理器的运算能力大幅提升,可以单一处理器运算4~8个通道的视觉系统,释放出设备中原有的??槽空间,让设备做更有弹性的应用。


在推论端,凌华科技在近期推出DataRiver中介软体,并将各种应用模组化,使用者可透过DataRiver取用所需的功能模组,其中就包含取像的热??拔,快速导入至制程系统中,而除了功能导入外,使用者也可经由DataRiver将机器视觉的影像显示於他处,让系统更具弹性。


另外AWS与Microsoft的公有云,现在都提供了深度学习的服务,为使制造业者善加利用这些资源,凌华科技设计出各种应用机制,让制造业者在使用上述公有云,乃至於其他系统厂商所推出的AI功能时,可快速建构出符合自身需求的机器视觉系统。


因应现场特色 调整AI架构


图3 : AI在制造业的应用中,机器视觉是目前导入速度最快的领域。(摄影/王明德)
图3 : AI在制造业的应用中,机器视觉是目前导入速度最快的领域。(摄影/王明德)

虽然在不同环节都有对应的方式,不过这些作法汇整到工厂时,仍须因应现场环境而有所调整,尤其是部分难以取得数据的制造业更需如此。杨家??指出,制造业目前仍有像是LCD玻璃基板的刮痕之类的产品瑕疵,现有的机器视觉难以检测,因此现在有厂商希??透过AI的深度学习解决此一问题。


不过,现在有几个难点,首先是资料难以取得,在制程成熟的制造业中,产线良率都已相当高,在不良品数量偏低的状况下,AI难以采撷到足以建立训练模式的分析数据。


对此,凌华科技采用反向学习法,将数据采样方向由不良品转为良品,透过大量的合格产品样本,建立起「正确样貌」的数据库,在训练模式中,只要不合於正确样貌的产品,都会被归类於不良品,杨家??指出,在实际应用中,这种作法虽仍会有漏网之鱼,不过相较於现有检测方式,其检出率已大有改善,是目前AI机器视觉在产线应用中最实际的作法。


再就机器视觉的产业构成来看,目前主要的系统整合商会包括AOI、AI与IT等三大族群,这三大族群各从不同角度出发,所擅长的AI技术也不同,杨家??指出,由於AI没有通用模型,每一类型需求都需要对应不同的AI模型,而每家系统整合厂商所擅长的AI也不尽相同,因此在导入过程中,厂商必须与不同的系统整合厂商合作,才能打造出最隹化系统,凌华目前与这三种类型的系统整合厂商均有合作,建构出完整的产业生态圈。


电脑视觉确保劳工安全

AI机器视觉在产线的应用已越来越深,不过另一种视觉技术在工厂的应用,不但不遑多让,而且应用的广度更大,也就是电脑视觉。在制造领域,电脑视觉主要应用於厂务端,像是工安、环境监测等。电脑视觉的系统架构与机器视觉不同,主要是透过安全监控摄影机与智慧软体的整合,达到各种智慧化功能。


这类型架构在安全监控领域早有应用,也就是IVS(Intelligence Video Surveillance System;智慧型影像监控),IVS透过软体侦测特定区域的人事物,可将处理时间由事後提前至事发,甚至是事前,达到「大事化小、小事化无」的目标。而AI技术的导入,则再次强化了电脑视觉的智慧化功能。


透过AI技术,电脑视觉在厂务系统的应用更多元且更具智慧化,杨家??以工安为例,现在已可将生产现场作业人员的标准工序、穿着、机台操作方式建置於系统内,并由前端摄影机负责监控,一旦有非标准穿着人员进入,或是激态操作方式不正确,系统就会发出警告,要求相关人员改善,而且在工厂动线中不同处就有各自的监控目标,像是特定区域的入囗处会侦测服装穿着、机台前会侦测操作方式等,透过层层的环节把关,打造出最安全的工作环境,也让AI的应用价值再次提升。


相关文章
深度学习在机器视觉领域的机遇与挑战
机器视觉引导CTA计画第一架天文??远镜原型
机器视觉走入AI世代 後势发展深具潜力
机器视觉系统提升药瓶检测效率及准确性
工业相机技术持续翻新 机器视觉效益全面提升
comments powered by Disqus
相关讨论
  相关新闻
» 易控TM协作机器人实战应用说明会实际案例分享
» 五强联手打造智造生态圈 协力助台湾制造升级
» 南桦发表Line警报器解决方案 协助提升制造业扩厂弹性
» NexCOBOT结合AWS云平台服务 简化智慧机器人开发及部署流程
» 产学合作创益加乘 群聚力打造科技生态链
  相关产品
» Fluke首款可携式囗袋热像仪上市
» Fluke首款工业声学成像仪ii900上市
» Fluke四款640 x 480解析度热像仪齐登场
» 明纬扩充EPP-500系列
» KNX用於现代建筑 可降低事後维护与火灾风险

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw