智能系统在智能工厂与物联网的关键地位

宸曜科技亚太区业务部协理蓝林忠。

提到智能工厂，大多数的观点都是从制程或设备的改善着手，希望能为工厂带来产能的提升或制造成本的下降；宸曜科技亚太区业务部协理蓝林忠指出，台湾仍有许多工厂还停留在工业1.0或2.0的阶段，业者得先要做好基础建设，再开始思考要如何进入工业4.0。

要进入工业4.0，势必需要智能系统(Intelligent System)辅助。蓝林忠认为工业4.0的发展关键，首先是深度学习(Deep leaning)，其次是透过3D传感带来更多的新应用，最后则是无轨式无人搬运车(Automated Guided Vehicle)的发展应用。

深度学习自Google旗下的人工智能 AlphaGo在围棋比赛中赢得连胜后就受到瞩目，但这项技术发展十多年，已经深厚的技术基础。蓝林忠指出，深度学习的核心概念在于建立类神经网络架构、订定学习目标，并透过大量数据加以学习。藉由深度学习可以加速机器学习的速度，减少产品研发时程，加速产品上市流程，并实时反映市场需求。

制作成本的下降也是深度学习迅速普及的重要关键之一。过去执行浮点运算的超级电脑硬件成本非常昂贵，但现在结合CPU及GPU的深度学习应用，硬件的单位成本已经不到1美元，可达到商业化的程度，也衍伸许多相关应用。

以机器视觉为例，透过图像运算的深度学习，过去很难判断的细微差异，如发丝纹跟刮伤，不仅可以辨别，甚至可以分辨不同的刮伤程度，大幅提升影像检测的效能。

3D影像的相关应用也已逐渐受到重视，相较于过去的2D技术，其特点在于系统量测了被测物的景深信息，意即空间中Z轴的信息，借此来计算被测物在空间中的精密尺寸。

因此，如何在整体系统当中取得被测物景深信息的方式，便成为系统在发展当中的关键核心。在同时取得多通道大量的3D影像数据量后，必须要在极短的时间内计算出量测结果。

除了以强大的电脑运算外，还需要利用图像运算处理器完成实时的3D建模，并将数据通过网络线上传递到工厂的服务器。蓝林忠以订制西服为例，透过3D扫描与影像处理可以精准测量体型后，将参数透过云端传到生产线，提高生产效率并降低布料裁切时的浪费，进而降低定制化成本。

以Nuvis-5306RT的无风扇嵌入式电脑为例，整合英特尔(Intel)第六代Core i7的处理器、NVIDIA GTX 950/1050 高效能显示卡，与机器视觉专用的输入？输出接口，如光源控制、镜头触发、编码器输入等，提供影像检测与深度学习等相关应用；此外，透过宸曜科技专利的平行操作功能的控制装置，以10微秒的分辨率达到实时输入？控制(Real-time I/O control)。

AGV也可采用图像识别技术；利用CCD系统动态摄取运行路径周围环境图像信息，并与拟定的运行路径周围环境图像数据库中的信息进行比较，从而确定当前位置及对继续运行路线做出决策，更可以做到遇障碍物自动闪避的动作。相关应用更已从智能工厂延伸到智能物流，成为现今电商蓬勃发展下重要的基础建设。

蓝林忠最后强调，台湾引以为傲的制造经验，通常都是大量生产、压低成本，但时代演进至今，应该是更有弹性、快速与效率。智能工厂与台湾过去的制造经验不同，需要大家共同努力，制造业才能成功转型。