科技产业报订阅
活动+
 

解决问题不必凡事诉求AI 解决实时急迫性需求才能展现AI效益

AOI作为质量检验一环,为保持产线运行顺畅,也自然不可迁就于检出速度而让其成为制程中的瓶颈站点。Image by skeeze from Pixabay

对于极具时间敏感性的事件,AI边缘装置能在实时运算处理下降低延迟误差。太奇云端总经理李承勋认为,现今智能应用百花齐放,但AI真正用武之地应是在于具有实时性需求的应用,如果事件没有急迫性,从逻辑上来看其实并不一定要导入AI。

而什么样的事件具有时间急迫性?李承勋举例如安控领域的入侵侦测即是一例,所有的侦测、辨识、分析都必须在边缘端完成,才能在毫秒之内实时通报预警,或是针对危险驾驶侦测,由于无法在移动车体上架设资料处理中心,得藉由边缘运算技术在终端实时处理。

制造业对于质量控管的要求甚高,目前影像辨识在制造端最大的需求则来自于瑕疵检测。而在制造业的瑕疵检测应用中,也存在对于实时性的需求。制造业生产线普遍采用的自动光学检测(AOI),随著电子元件愈小、镜头分辨率就愈高,一张成像图档的大小可能达到数百MB,工厂每分每秒所产出的数据量极大,而AOI作为质量检验一环,为保持产线运行顺畅,也自然不可迁就于检出速度而让其成为制程中的瓶颈站点,因此在影像数据的传输与处理上,具有实时运算能力的AI边缘装置,就能够避免错过实时反应时间。

而在这样的市场需求下,从实时性需求出发,太奇云端也透过具有实时分析处理能力的影像辨识技术,快速进入工业4.0与安控领域,协助高科技制造业进行自动化视觉检测、产线操作员管理,以及入侵侦测、安全行为监控等应用。成立不到3年,便获包括凌华、研扬、新汉等3家工业计算机厂商支持,也获得电子量测仪器及系统商致茂电子的投资,将其结合AI的智能视觉检测技术与检测设备集成。

特别在于智能视觉检测,太奇云端实战经验丰富。李承勋也分享实务经验,从中点出几项AI瑕疵检测的开发挑战。他指出,由于遵循商业机密,通常面对制造业客户,最容易面临的难处在于无法取得足够的数据样本,这样的情况在台湾众多代工厂中尤为明显,有时候因应终端客户要求使然而不得不为之。而除了资料搜集,由于不若安控主要系以人为辨识物件,通常针对缺陷的分类与标注,也得由制造业者自行完成。

李承勋指出,在开发过程中通常耗时最久的部分则是资料前处理,其中便包括对于资料的收集与标记。特别在瑕疵检测的资料处理中,由于某些瑕疵可能需在特殊光线之下才得以显现,而基于视觉原理的不同,人眼与计算机在判断上便因此可能出现误差,导致标注疏漏,因此在资料前处理的过程中,就必须额外透过工具辅助,将瑕疵标注于正确的位置。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 人工智能 影像辨识 边缘运算