透过视觉检测让生产更加智能化

台湾IBM云端事业部云端策略副总经理张瑞源。

因应工业4.0所带起的智能制造趋势，许多IT业者也纷纷提出对应的解决方案。如IBM提出的「认知制造技术」，就是结合了工业4.0中的感应器、机器人与数据撷取，以及Watson的机器学习与进阶数据分析的成果。由于Watson被用来处理和分析各种结构化和非结构化数据，在视觉识别方面有得天独厚的优势，也让IBM视觉检测(Visual Inspection)系统变得更加有效。

IBM使用数百万张组装在线的产品图片来训练认知视觉系统，可以侦测肉眼看不到的细微瑕疵，也能避免成本高昂的生产错误，应用范围从晶圆缺陷、电路板、手机表面扫描、汽车涂装甚至行进中火车的异常现象等无所不包。

台湾IBM云端事业部云端策略副总经理张瑞源指出，IBM视觉检测落实在工业自动化上，可运用Watson的认知能力，来检查及分析零组件和产品的制造品质，并将缺陷模型部署到生产在线，再透过高解析镜头捕捉图像，与数据库比对，可快速识别缺陷，并产出质量指标。

张瑞源指出，现今的制造业普遍都会遇到人力缺乏，但品质改善要求却愈来愈高的难题；自动化和IT的发展，也让产品制造过程更加高效和一致。伴随而来，业者必须面对如何缩短检查时间、提高产量、改善制造流程等问题。

与传统肉眼检视相比，IBM视觉检测能在毫秒内完成，更能识别微小的产品缺陷，如划痕或是针孔大小的孔洞，让检测结果更精准。还能透过缺陷模型提供一致的检测标准，减少人为错误，缩短停机时间。

事实上，IBM已在视觉检测系统的测试中，见证到能够有效减少制造瑕疵。以汽车烤漆为例，它是汽车制造业最昂贵的步骤之一，且占了半成品库存的40%。导入IBM视觉检测之后，工厂就能进行视觉分析，协助制造业者减少80%检测时间，并减少10%来自烤漆过程的瑕疵。

而在要求精密度极高的科技制造业应用方面，张瑞源指出，IBM已于一家位于广州东莞的LCD面板厂完成验证，判读准确率可达95.26%，并可以减少50%？70%的人力，遗漏比例少于2%，完全符合业者需求。

至于要如何透过影像判读，张瑞源建议业者可以先准备好一些用来做好坏对比的图片，格式可以是.jpg、.png或.bmp，才能在部署系统时，创建缺陷分类并预期可能出现的缺陷类型。这些描述缺陷的信息和图片集，会提供给数据科学家，产出深度学习训练认知模型，让机器自主学习，再用人工帮忙设计脚本及提升判读正确率。

数据科学家完成模型建置后，管理人员就将服务器连接到超高画质数码镜头，至工厂的特定检查点。培训时间因产品而异，但制造商可以在一天之内启动，并达到一定程度的可靠水平。系统被训练好之后，在检测某些缺陷模式时，一旦拥有足够的信息就会发出警告。

张瑞源表示，有些业者甚至会希望视觉检测都能完全以AI为主，不用依赖人工帮忙设计脚本，但两者其实互不影响。IBM提供的是SaaS的服务型态，可以在云端服务建立视觉检测的训练模式，这套模式未来可以延伸AI服务，该系统相当容易扩展，只要透过以云端应用为基础的培训和管理工作流程，就可以部署任意数量的制造检验站。

但由于AI平台需要的人才、技术，对目前许多业者而言，仍然较为困难，技术门槛不但比较高，还需要很多投资，更有时间上的压力。张瑞源建议业者，不妨可以先建立视觉检测模型，不需要一次到位，尝试用别的方式来判读提高良率，就能帮助各产业的制造商获得认知洞察的能力，可有效解决问题，提升生产线品质，并提高生产量。