智能应用 影音
财团法人工业技术研究院
20211014_DForum智能车与车联网论坛

【科普】有了AOI 为什麽还需要AI?

「AOI+AI」的双剑合璧是近年智能制造市场中的热门题材。李建梁摄

品质和良率,一向是台湾制造业者最重视的课题。从应用端需求来看,品质检测相关解决方案带来的庞大商机,让目前智能制造市场呈现百家争鸣,从传统检测设备业者到新创公司都在掘金。特别是由於品质检测属於事後结果,对於想要导入智能制造的业者来说,风险最小、成功机率最高,因而也成为智能制造的敲门砖。

而在品质检测相关解决方案中,要说近年最热门的题材,莫过於「AOI+AI」的双剑合璧,这似乎已成为台湾制造领域检测方案的发展主流。对市场来说,AI可能是这几年大跃进的创新技术,不过AOI在工业检测领域中并非显见,且发展已久,但市场既已有AOI,为什麽还需要AI?

什麽是「AOI」?

在此之前,我们先来了解什麽是AOI。

AOI (Automated Optical Inspection),即自动光学检测,是一种快速、非接触式的影像检测手法。是集合光学、机械、电控以及软件等整合系统,并以「机器视觉」为标准技术,透过撷取物件表面影像进行分析,进而以电脑影像处里技术来判断物件是否存在异物或异常等瑕疵,藉由自动化,改善传统上以人工目视进行检测的缺点。也因为它是非接触式检查,所以亦可在制程中用来检查半成品。

AOI可说是业界非常广泛应用的检测手法,功能也很多,例如可以拿来检查零件有无缺少、瑕疵,或是量测零件的长、宽、高等。应用层面从IC及一般电子业、金属钢铁、食品加工、纺织皮革或汽车工业等都有。而根据市场调查,目前AOI最常被应用的产业则分别是PCB和面板显示器产业,两者占比约为64%和15%。

尽管AOI的自动化已经可以取代人工检测,但是,伴随现在产品复杂度提高,以及检测速率的要求下,传统影像处理技术和演算法仍存在一些缺点,这个缺点尤其在应用最多的PCB产业中特别明显。

PCB产业对於良率的要求,是抱持着「宁可错杀一百,也不可放过一人」高标准,这使得业者往往会把AOI的参数设定成极高规格,导致设备异常敏感,进而出现过杀(over kill)、误判的现象。根据业界统计, AOI的过筛误判率可能达到7、8成。

这让业者相当头痛,因为在这样的情况下,厂商只能加派人力进行二次复检,证实究竟是虚惊一场,还是确有瑕疵,这不仅会造成额外的人力和时间成本,有的产业甚至会依据不同客户对於良率的要求,而对产品分级,在某些情况下,有些瑕疵是可以被容许的,因此AOI的误判,可能会导致不良品暴增,徒增业者的生产成本。

在AI基础上 AOI带来更准确的决策能力

检测出瑕疵与否,影像处理技术的「判断能力」扮演非常重要的任务。过去AOI检测透过逻辑性的思考模式,以设定好的参数、定义好的规则作为基准进行判断,因此使用者通常必须先定义好瑕疵样本与规则,但这样的做法,AOI设备多半只能听命行事,一旦出现新的瑕疵或定义不明,设备可能就无法进行判断。

随着检测条件越来越多元,过去这种「非黑即白」且数值化的检测标准也遇到不少难题,当越来越多「抽象」、难以具体描述的待测物出现,此时,就需要有更灵活的机制来辅助机器做出判断。

而AOI检测与AI识别最大的不同之处在於,是否可针对未知瑕疵主动进行识别。AI可以在一定程度上模仿人类,将「经验法则」应用到影像识别中,因而比起规则,更能因应外在变化而达到自我调适,进一步有效判断未知的瑕疵或成像。

可以说在AI的基础上,藉由软件优化,为AOI带来了更准确的决策能力,像这样整合机器视觉与机器学习的智能自动化检测方案,似乎也成为未来发展主流,同时为AOI设备供应商和使用者带来巨大优势。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: AI PCB 智能制造 品质检测 AOI