突破智能3D光學檢測應用關鍵

面對現(xiàn)今消費電子產品極力朝向輕、薄趨勢發(fā)展，上中游印刷電路板（PCB）、面板、芯片等核心組件也須隨之整合，并采取一體化設計；在制程階段，則將要求質量應通過全檢、24/7不間斷連續(xù)生產。如今不僅導入自動化光學檢測（AOI）解決方案已是標配，還須加入人工智能（AI）以2D/3D圖像分析為核心的機器學習技術，強化影像辨識功能。

回顧過去AI因為受到高速運算技術限制，CPU無力執(zhí)行機器學習（Machine learning）算法，直到約7~8年前NVIDIA正式跨足AI并加速深度學習（Deep learning）算法之后，才促使AI能真正蓬勃發(fā)展，并深入影響人類社會各層面生活，接下來甚至還會持續(xù)向云端cloud、5G，或地端的自駕車、機器人等領域滲透。

尤其是在工業(yè)制造應用場域可導入4大項目，包括：Design階段，例如IC/PCB設計與分析；Manufacture，針對產品或制造過程中的工件進行瑕疵檢查；Supply chain，確保料件能及時滿足生產在線需求；Service，執(zhí)行預測診斷故障及維護營運等。

等到目前邊緣運算產品（Edge AI）完成改變工業(yè)物聯(lián)網（IIoT）環(huán)境之后，預估未來市場規(guī)?？赏_到4.8兆（Trillion）元規(guī)模，又以制造（Manufacturing）、倉儲物流（Logistics）產業(yè)應用各占2T的規(guī)模最大。隨著IC芯片整合程度越來越高，Edge AI Device功能也會越來越豐富，如NVIDIA提供TAO Toolkit等套裝工具，即可協(xié)助使用者快速上手AI應用。


 
圖1 : NVIDIA預估未來市場規(guī)?？赏_到2000億美元規(guī)模，又以制造、倉儲物流產業(yè)應用各占2T的規(guī)模最大。(source：nvidia.com)

工業(yè)計算機大廠善用GPU算力　支持視覺檢測復雜瑕疵
工業(yè)計算機（IPC）大廠宸耀科技也從制造業(yè)硬件供貨商的角度來看，認為AI現(xiàn)已無所不在，分散在工廠各個可見或不可見的場域，例如透過傳感器搜集大量工廠和機臺數(shù)據(jù)，再利用Deep learning進行自動排程優(yōu)化及預防性維護；結合強化學習（Reinforcement Learning）訓練機器人自動規(guī)劃、產生動作路徑，以進行更復雜的Pick & Place作業(yè)。

以及在自主搬運機器人結合不同傳感器與AI感知，以協(xié)助規(guī)劃路徑、定位、避障，減少人為失誤的風險；不必擔心光源不足或相機功能，就能透過深度學習來增加讀取OCR/Bar code，在快速移動的流水在線讀取的正確率；或者利用深度學習的卷積網絡（Convolution Neural Network；CNN）模型來自動產生特征，藉此為各式對象分類或檢測不規(guī)則瑕疵，就不必再耗時設計許多不同特征。

「惟仍需要選擇適合的Edge AI平臺，才能滿足所有從低到高端應用需求?！瑰芬赋觯壳爸圃鞓I(yè)AI邊緣運算平臺遭遇的設計和挑戰(zhàn)，在于其嚴苛環(huán)境不如傳統(tǒng)建構大量服務器、GPU的數(shù)據(jù)中心（Data Center），可處于舒適恒溫的冷氣房，利用龐大帶寬執(zhí)行高速運算。

反之，為了支持在廠內GPU強大算力與操作時的寬溫差，Edge AI平臺必須采取專利機構設計，以保持進/排氣最佳效率散熱，在高溫環(huán)境下還能維持100%GPU效能。且因為在功耗與電源設計上，廠房也不像Data Center可以有充足穩(wěn)定的電源，所以必須采用低功耗、接收高可靠度寬壓直流輸入設計，讓仰賴DC電池供電更簡單，AGV/AMR才能跑得更快更遠。

可承受若安裝于自動導引搬運車（AGV）、工業(yè)機器人上的震動與沖擊，而分別因應低頻振動的緊固與高頻振動的減震等專利機構設計，鎖固I/O接頭、纜線，即使在3Grms振動下仍維持可靠運行。進而與傳感器或PLC/運動控制卡/Field bus等外圍設備整合控制，如搭配工業(yè)相機輸入各類數(shù)據(jù)源，并搭配各式各樣模型和算法，進行更復雜檢測。

進一步落實于視覺檢測應用時，包含在「倉儲物流」場域使用工業(yè)相機擷取多面影像，再經過Deep learning模型辨識條形碼/形狀大小不同對象分類，并導入不同倉儲位置。宸耀也因應客戶對于高可靠度、24/7運行要求，提供可大量部署、高性價比平臺，搭配最新第十二代中階GPU，以提升CPU/GPU算力倍增，用較少部計算機更快速、有效率介入物流系統(tǒng)。

導入于「物料分檢/備料Pick & Place」應用時，則為了透過工業(yè)機器人針對一堆雜亂對象分類與夾取，須由6~8支工業(yè)相機從不同視角觀察并輸入影像，并使用強化學習（Reinforcement learning）不斷訓練，而自動產生機器人控制夾取類型和角度等策略；轉移學習（transfer learning）重復利用現(xiàn)有模型，加速自有樣本的訓練。宸耀提供的平臺則須具備多支相機輸入接口、中高階GPU、與機器人通訊適配卡。

但在針對以視覺檢測較為復雜的面板或晶圓等產品的紋理/刮痕等瑕疵時，則建議采用卷積網絡（CNN），適合檢測品項多樣且表面復雜的形狀/瑕疵不規(guī)則產品。透過專業(yè)機器視覺廠商提供深度學習視覺檢測軟件，在同一環(huán)境里取像、標記、訓練、推論，讓使用者僅需少量瑕疵影像標記，即可在產在線檢測出撕裂、污漬等瑕疵；平臺再搭配單支或多支相機輸入接口、單張或多張中/高階GPU提高算力，并善用模型量化（quantization）與剪裁（pruning），支持提高訓練與推論（inference）的速度、可整合I/O或運動控制卡24/7運行。



 
圖2 : 宸耀科技從廠內嚴苛環(huán)境的角度來看，業(yè)者仍須要慎選適合的Edge AI平臺，才能滿足從低到高端應用需求，讓用戶僅需少量影像標記，即可在產在線檢測瑕疵，維持24/7高效運行，也降低部署時間與成本。

機器人結合光譜視覺系統(tǒng)　強化多色檢測能力
日系工業(yè)機器人大廠Epson近年來也逐步與周邊自家選配件，包括屬于機器視覺的智能相機、PC視覺，以及六軸力覺傳感器、教導器、輸送帶跟蹤等產品，強調與別家品牌機器人最大差異化優(yōu)勢，在于軟件、控制系統(tǒng)及專用功能，克服客戶導入自動化的最大痛點。

其中Epson視覺功能不只為了Pack & Place定位，還能用于制程中辨識外觀檢測、長度及角度量測、缺料檢視、輸送帶追蹤、智能校正、掃瞄Barcode & OCR、輪廓追蹤等功能，且都可沿用Epson機器人本體控制器、接口，讓用戶不必重新學習編程。進而支持不同工業(yè)相機安裝方式，可選擇CV2架構，適用于PC/PLC控制GigE、USB相機；或是PV1架構，僅適用于PC控制GigE相機，且省去PoE布線不便。

在今年剛結束的臺北國際自動化暨機器人大展期間，Epson也為了實現(xiàn)「Epson 25」企業(yè)愿景，現(xiàn)場規(guī)劃多個工業(yè)機器人應用展示區(qū)，包括組裝、搬運、視覺與力覺感測、IoT監(jiān)控管理系統(tǒng)、簡易軟件操作等全方位智能制造解決方案，更將自動化范圍從搬運與組裝的過程，擴展至零件生產和檢測的應用。

除了發(fā)揮Epson工業(yè)機器人擁有高速度、高精度、低震動的優(yōu)異性能，更結合了3D視覺傳感器帶來的雙眼，賦予其解決多樣生產需求的能力，同時能快速辨識3D空間、物料與色階，順利完成取放料的動作，也可透過視覺演算進行產品檢測，提高產能良率。

今年還引進Epson全新光譜相機產品SV-700S，因為能增加曝光時間，測量多個波長且進光量較少，測量時間比RGB相機來得久。但色域表現(xiàn)更廣，所能呈現(xiàn)的顏色也更多，射出成型機便能藉此，以少量的運算時間完成產品檢測，有效提高產能。

機器人也可結合光譜視覺系統(tǒng)，用于須精準雷射辨識多種顏色場域、肉眼難以區(qū)分的色差，助產線完成產品色彩檢驗流程。且比其他第三方相機廠商更擁有高度整合的一致性優(yōu)勢，以便于機器人若手眼校正不協(xié)調而出錯時究責；能以向導指示智能校準，省去繁雜的校準步?，新進工程師也不必重新學習復雜視覺知識和通訊程控，就能快速上手。



 
圖3 : Epson推出的光譜相機新品SV-700S，將機械手臂與光譜視覺系統(tǒng)整合，令手臂可透過色階辨識演算助產線提高產能。（source：Epson）

工研院建構微型工業(yè)相機+AIBOX　展現(xiàn)可重組多任務AI視覺系統(tǒng)
技術處在今年舉行的「2022 SEMICON Taiwan」，共展出33項創(chuàng)新技術！其中「微型3D迭構智能相機」模塊，便是透過最適化電路模塊劃分算法進行設計，以兼顧模塊空間、功耗、效能；及其可彈性擴充，具備更換芯片能力的模塊化架構，以滿足不同AI系統(tǒng)模塊應用需求。

此針對微縮化硬件需求，結合3D迭構型SOM與具AI邊緣運算功能的工業(yè)相機模塊，并提供客制化硬件及散熱外殼機構設計，將高分辨率視覺影像系統(tǒng)導入工業(yè)檢測應用。內部采用聯(lián)發(fā)科MTK Genio 500 AI邊緣運算芯片為核心而降低成本，且可達到0.75TOPS/W算力，應付需求較高的應用程序，以支持深度學習、類神經網絡，用于異類數(shù)據(jù)邊緣運算、計算機視覺應用、工業(yè)檢測等情境。

同時針對工廠通訊規(guī)格設計接口，整合打通德國iDS等不同品牌工業(yè)相機Driver與AI 架構（framework），得以配合客戶需求，提供如MobileNet、AlexNet、ResNet等，已通過驗證的最適化AI算法來設計AI模型、訓練、推論與部署、導入系統(tǒng)，可在工業(yè)檢測與消費型AIoT應用，找出對象瑕疵、缺件、短路、偏移等問題，方便工研院后續(xù)協(xié)助維運、升級服務。

現(xiàn)場也展示該模塊整合了工研院自制「AIBOX」邊緣運算器，采取「可重組多任務AI視覺嵌入示異質系統(tǒng)」架構，強調可兼容現(xiàn)今市面上標準USB及IP Camera，得以多路分別執(zhí)行不同AI模型，可有效節(jié)省外部內存50%。進而整合時下的深度學習算法，采用模塊化設計、簡易直覺式UI，使之能一鍵新增客制化AI算法模型，為嵌入式設備升級。有效解決過去業(yè)者若導入AI應用，每增一項應用就須添購GPU平臺搭配一部設備+相機，如今則可藉此達到多任務需求，又能節(jié)省開發(fā)時間與成本。

 

圖4 : 打造「微型3D迭構智能相機」模塊＋「AIBOX」邊緣運算器，展示可重組多任務AI視覺嵌入示異質系統(tǒng)」架構。（攝影：陳念舜）

系統(tǒng)整合實現(xiàn)人工智能　軟硬件工具為自動化加值
值得一提的是，為了讓現(xiàn)今機器人更適應多元場域，必須與環(huán)境互動、人機協(xié)同作業(yè)，所以必須具備更高階的感知功能。在臺灣也有如系統(tǒng)整合商所羅門公司（SOLOMON），推出「Solomon AI Inside」概念成果，其有別于一般用來分析、預測保養(yǎng)的大數(shù)據(jù)AI，而是屬于圖像式AI，可無縫鏈接機器人、視覺和AI軟件邏輯判斷；現(xiàn)也納入多家不同機器人品牌的程序語言，一旦用軟成功建立流程，就不必再編寫繁復的程序。

所羅門強調，經由整合自家深度學習（Deep Learning）的類神經網絡AI檢測軟件Solvision，導入到國內外各家檢測設備及系統(tǒng)整合商的解決方案，能讓使用者利用僅需市售AI軟件約10%~30%數(shù)量的標注影像樣本，即可訓練高辨識模型的優(yōu)勢，輕松解決過往難以高效檢出瑕疵的痛點。

得以最短時間降低員工誤判、漏檢所造成的影響，以便管理者執(zhí)行決策，亦能有效提升生產力。進而訓練機器人持續(xù)學習、升級進化，不必靠操作人員手持教導盒緊跟著指點、下令，或針對各種亂堆工件，重新制作夾治具生產，即可自主辨識及執(zhí)行插件等動作指令。

結語
展望現(xiàn)今工廠對于新型態(tài)智能制造的需求，在ESG的永續(xù)浪潮下，已有越來越多企業(yè)期盼能藉由智慧轉型調整工廠產線的制造模式，以達成永續(xù)經營的目標。因此當建置工廠軟硬件設備及整合系統(tǒng)時，皆期盼能以相對縮短的安裝流程、在少量投資的前提下，完成優(yōu)化生產線。

包括Epson的制造創(chuàng)新模式，便是將工業(yè)機器人技術與系統(tǒng)服務整合后，以一站式方案為工廠導入靈活且穩(wěn)定的生產線，建立高效的生產系統(tǒng)實現(xiàn)短鏈制造目標，并減少對環(huán)境的沖擊。同時更透過自動化來緩解勞動力短缺困境，讓工廠享有高質量的成品，也有效降低人事成本。

系統(tǒng)整合商所羅門則分析過去10余年來，與各家業(yè)者合作導入機器人系統(tǒng)整合的經驗，發(fā)現(xiàn)機器人其實很難取代人力高彈性的優(yōu)勢。反之，若能藉AI從建立流程標準化開始，量化員工效率并設法讓員工減少犯錯，就有機會加以改善，避免影響作業(yè)效率，甚至沖擊接單狀況與制造成本。

尤其是在現(xiàn)今制造業(yè)正面臨基層熟練技術人力短缺，或無力與半導體產業(yè)爭奪高階人才的困局，克服技能落差、經驗傳承等問題。業(yè)者倘若能藉此深化AI技術，并完善虛實整合應用，將能大幅提高維運團隊效率，能讓員工操作更安全、有效率，且成果接近零瑕疵，從而提升企業(yè)靈活性，加快回收自動化投資報酬。