圖片來源:iStock

工業 4.0 智慧製造時代下,為因應市場快速變化與貼近消費者的需求,從過去以量取勝的標準化生產,轉向少量、多樣、客製化的彈性製造。

而在自動化生產的過程中,AOI(自動光學檢測)長期扮演「品質把關」的要角,但隨著製造元件愈來愈小、愈來愈複雜、甚至愈來愈快的生產週期,現在的技術足夠應對嗎?

AOI 如何克服智慧製造多元應用場景?導入 AI 深度學習補足技術缺口


凌華科技 IOT 策略解決方案與技術事業處智能工廠事業中心協理楊家瑋表示,面對日益複雜的檢測需求,AI 與 AOI 的整合,將是加速智慧製造應用落地的新解方!

除了可彌補 AOI 在檢測上難以察覺不規則、不規律、透明等物件的缺口外, AI 機器視覺將從「看」產品物件的瑕疵,進階到工廠安全監控等多元應用,例如鋼鐵業透過相機結合 AI 軟體,有效避免人員誤闖作業區導致被鋼捲撞傷的意外,提升現今智慧工廠人機共處的安全問題。

「模組化整合」降低工程師學習障礙,有助加快 AI AOI 部署

凌華科技 IOT 策略解決方案與技術事業處智能工廠事業中心協理楊家瑋分享,與 COGNEX 和 BASLER 攜手開發的 AI AOI 能協助製造業者以最簡單的方式,加速達成複雜的元件檢測。圖片來源:TechOrange

儘管 AI 為智慧製造帶來許多超乎想像的優勢與效益,但如何讓 AI 、機器視覺與 AOI 做到快速且有效的彈性佈署,相當考驗廠商的整合能力。

楊家瑋分享,要做好 AI AOI 部署,不妨回到 AOI 本身的架構來思考,首先,要進行運算必須先有影像,如何因應不同環境,快速置換取得高品質、高解析度的真實影像是第一步。

因此必須選對相機,了解相機視野(FOV)是否能涵蓋到整個工作區及欲檢視的環節;同時,不同的打光角度和強度,均會影響取像、成像品質。

其次,取得的影像要搭配何種硬體規格與平台,才能發揮最佳的運算效率,既能兼顧檢測的準確度也能達到工廠的產能目標,也就是在產品的良莠判斷上,如何取得中間平衡,不漏抓也不會抓太嚴。這些項目都需要整個生態圈夥伴共同合作,因此發展出一套好用易上手的整合模組化方案,將成為 AI AOI 應用的重要關鍵。

強強聯手次世代 AI AOI 模組,導入寶視納「取像」設備優化 AOI

為降低客戶跨入 AI AOI 的應用門檻,凌華科技找上在 AI 軟體以及機器視覺領域的頂尖夥伴 COGNEX(康耐視)、BASLER(寶視納)共同發展次世代 AOI ,從過往所謂的 Auto Optical Inspection,重新解構為 Application x Optical x Integration 的模組化新概念。

其中,取像作為 AOI 領域中最前端的工作,流程包括:影像擷取、傳輸、處理、分析,每一項都不可或缺。然而以往在影像擷取方面,最常遇到的困擾包括取像速度不夠快、傳輸會漏張,或有外部干擾和雜訊等問題。

深耕工業相機領域的 BASLER,採用視覺高速傳輸介面,搭配感測元件 CMOS 晶片提供客戶更快的影像傳輸。此外, SDK 技術的導入,也將原本在 PC 進行的影像預處理拉到相機,讓 PC 保有更多空間和效能來執行影像處理演算法等工作。

檢測產品複雜化,康耐視圖形化平台加速 AI 架構開發

在取像後,面對複雜背景、不規則或變形的圖形辨識, AI 的加入無異是最好的利器。楊家瑋以他遇過最難檢測的物件–液晶面板為例,除了要做到 single pixel 的檢測外,另一困難點是液晶本身不固定、密度不均勻的特性,讓檢測人員在利用背光源模組打亮檢測時,只會出現雲彩遍布的畫面。因此面對這類沒有結構性、不規則的瑕疵檢測,通常只能用 AI 來解決。

但對一般業者來說, AI 架構的開發耗時費力,尤其在現今專案講求快速時效之下,若無簡單好用易上手的整合性平台,其實並不容易實現。在看見客戶的痛點後,凌華攜手康耐視,透過其 Designer 軟體和 VisionPro 工具庫,以圖形化設計環境協助工程師縮短 AI 開發時程,相較於開源軟體,康耐視的套裝軟體更能快速滿足各式專案應用。

楊家瑋認為, AI AOI 的應用愈來愈多元化,除了在科技產業,亦延伸至五金加工、食品產業等領域,不同廠商的強強聯手,將提供客戶 POC 最佳化、檢測結果最佳化、成本結構最佳化等優勢,掌握智慧製造新趨勢與龐大商機。

你可能有興趣

專給台廠的製造業工安秘訣:如何透過邊緣運算,優化機器人應用的安全性?
AI 如何助攻 AOI ?智慧製造轉型必懂的關鍵技術!
產業轉型從自動化到智能化再到無人化,凌華科技董事長:機器人是台灣電子產業第三個機會點