迎接人工智慧（AI）正逐步落實於各行各業(yè)，除了AOI與機器視覺等邊緣Edge AI相關(guān)技術(shù)應(yīng)用能最快看到獲益；產(chǎn)業(yè)生態(tài)系構(gòu)建與協(xié)作，更是實踐邊緣AI規(guī)模化至關(guān)重要的要素。本場東西講座特別邀請研華工業(yè)用物聯(lián)網(wǎng)?智能系統(tǒng)事業(yè)群協(xié)理陳文吉、偲倢AI方案整合部?技術(shù)總監(jiān)陳柏龍聯(lián)袂主講，剖析機器視覺與AOI的技術(shù)與應(yīng)用趨勢，並展望其未來融入生成式AI的發(fā)展趨勢與挑戰(zhàn)。

圖一 : 研華工業(yè)用物聯(lián)網(wǎng)?智能系統(tǒng)事業(yè)群協(xié)理陳文吉（右）、偲倢AI方案整合部?技術(shù)總監(jiān)陳柏龍（左）

研華機器視覺解決方案　攜伴邁向工業(yè)AI Vision世界

圖二 : 研華工業(yè)用物聯(lián)網(wǎng)智能系統(tǒng)事業(yè)群協(xié)理陳文吉

陳文吉表示， 目前隨著AI演進驅(qū)動製造業(yè)現(xiàn)場的變化，例如在算法上，得以降低企業(yè)導(dǎo)入門檻，不必再大舉蒐集資料標(biāo)註、訓(xùn)練模型；最近也開始出現(xiàn)越來越多自主學(xué)習(xí)型的生成式AI，可提升其算法的便利性和精準(zhǔn)度。

進而利用AI加值既有設(shè)備，提升效能、良率、產(chǎn)能；AI檢測方案，除了過去僅針對製程中進行品質(zhì)檢驗外，再加入AI後可用來量化、預(yù)測AOI取得數(shù)據(jù)，並向上溯及進料與供應(yīng)鏈廠商管理、倉儲物流、出貨等流程加以改善瑕疵；AI升級智製，則能分別針對製造現(xiàn)場的人、機、料、法、環(huán)等情境元素，進行預(yù)測與分析。

至於部署也很重要，尤其是現(xiàn)代工廠不會必須部署到世界各地，而須導(dǎo)入AI模型和預(yù)訓(xùn)練排程；再透過Fine Tune調(diào)適，讓AI模型在廠內(nèi)也能與時俱進訓(xùn)練，加快部署時間。在應(yīng)用上最大差異，則是與過去在工廠內(nèi)許多服務(wù)都是買斷式不同，開始有越來越多軟體開始轉(zhuǎn)型為租賃、訂閱制。

研華不僅為此提供IEM平臺、相機、影像等硬體與軟體加值服務(wù)等產(chǎn)品組合，涵括Cloud、Edge、Node端感測運算的解決方案，引領(lǐng)客戶進入AI Vision世界；同時與夥伴攜手提供完整服務(wù)，加速AI+AOI落地，以滿足AI工業(yè)影像需求。

偲倢AI Navi平臺　提供產(chǎn)業(yè)專用服務(wù)與生成式AI方案

圖三 : 偲倢AI方案整合部技術(shù)總監(jiān)陳柏龍

其中偲倢科技因為長期協(xié)助AI落地製造業(yè)，克服導(dǎo)入工廠的挑戰(zhàn)，認(rèn)為視覺是最容易看出AI應(yīng)用的效益，而提供機器人及視覺、人員和數(shù)據(jù)管理等一條龍服務(wù)。繼2017年在被動元件廠內(nèi)首度導(dǎo)入AI解決方案、2018年獲選為NVIDIA最佳夥伴；2019年更獲得研華投資入股、到了2022年已成功協(xié)助業(yè)界導(dǎo)入百套以上AI視覺解決方案。

陳柏龍指出，尤其目前各產(chǎn)業(yè)的領(lǐng)導(dǎo)企業(yè)提供瑕疵檢測方案，滿足對於產(chǎn)品外觀檢測的需求，追求最短上線時程，在客戶產(chǎn)品規(guī)格開模後、生產(chǎn)前，便要求偲倢快速提出瑕疵解決方案的AI模型；生產(chǎn)高價值產(chǎn)品，不僅須達到零漏檢率，也要求須降低過殺率；關(guān)注後續(xù)維運自主性，因應(yīng)製程快速變化。

偲倢的核心產(chǎn)品AI Navi則是專為產(chǎn)線而生的AI平臺，同時持續(xù)與NVIDIA在工業(yè)瑕疵檢測領(lǐng)域密切合作，可輕鬆擴展至特定領(lǐng)域解決問題。包括因AI 模型上線時程緊迫，提供專案式管理架構(gòu)，陸續(xù)蒐集迭代更新的瑕疵品圖片訓(xùn)練；瑕疵標(biāo)註、模型訓(xùn)練耗時耗力，內(nèi)建多種標(biāo)註工具和標(biāo)註助理Quick Mark節(jié)省80%標(biāo)註時間。

進而逐步導(dǎo)引實現(xiàn)模型訓(xùn)練及驗證，在平臺上確認(rèn)可檢出未經(jīng)訓(xùn)練過的瑕疵；部署到產(chǎn)線上各站電腦並更新；引導(dǎo)客戶維運產(chǎn)線應(yīng)用持續(xù)更新，即使資料越大越穩(wěn)定，確保模型效能未下降且適時加強，目前已有數(shù)百套AI Navi部署到工廠

值得一提的是，由於多變的製造環(huán)境，增加瑕疵檢測的複雜性，容易造成資料不平衡Data Imbalance，面臨更多陌生瑕疵。所以在2023年Gen AI問世後，偲倢更加入瑕疵生成的關(guān)鍵作用，藉以增強資料、提高模型可靠性、解決資料不平衡、節(jié)省資源成本。

運用SpinMind加速AI導(dǎo)入進程，運用GenaAI技術(shù)，生成瑕疵圖片，擴充訓(xùn)練集，縮短上線週期，極大化導(dǎo)入規(guī)模，降低專案邊際成本，最少僅需一張圖片，利用隨機/畫筆生成功能，輕鬆生成瑕疵圖片，支援批量下載。

陳柏龍表示，AI Navi藉此蒐集產(chǎn)線圖片以持續(xù)迭代模型，協(xié)助用來訓(xùn)練模型，盡量降低學(xué)習(xí)門檻，讓品檢員可直接在現(xiàn)場操作該平臺訓(xùn)練模型，納入過去檢測經(jīng)驗、標(biāo)準(zhǔn)以標(biāo)註瑕疵，讓機器視覺減輕人力負(fù)擔(dān)或缺工的困擾。

**觀看講座直播錄影：