突破智能3D光學(xué)檢測(cè)應(yīng)用關(guān)鍵

面對(duì)現(xiàn)今消費(fèi)電子產(chǎn)品極力朝向輕、薄趨勢(shì)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(shè)計(jì)；在制程階段，則將要求質(zhì)量應(yīng)通過全檢、24/7不間斷連續(xù)生產(chǎn)。如今不僅導(dǎo)入自動(dòng)化光學(xué)檢測(cè)（AOI）解決方案已是標(biāo)配，還須加入人工智能（AI）以2D/3D圖像分析為核心的機(jī)器學(xué)習(xí)技術(shù)，強(qiáng)化影像辨識(shí)功能。

回顧過去AI因?yàn)槭艿礁咚龠\(yùn)算技術(shù)限制，CPU無(wú)力執(zhí)行機(jī)器學(xué)習(xí)（Machine learning）算法，直到約7~8年前NVIDIA正式跨足AI并加速深度學(xué)習(xí)（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(huì)各層面生活，接下來(lái)甚至還會(huì)持續(xù)向云端cloud、5G，或地端的自駕車、機(jī)器人等領(lǐng)域滲透。

尤其是在工業(yè)制造應(yīng)用場(chǎng)域可導(dǎo)入4大項(xiàng)目，包括：Design階段，例如IC/PCB設(shè)計(jì)與分析；Manufacture，針對(duì)產(chǎn)品或制造過程中的工件進(jìn)行瑕疵檢查；Supply chain，確保料件能及時(shí)滿足生產(chǎn)在線需求；Service，執(zhí)行預(yù)測(cè)診斷故障及維護(hù)營(yíng)運(yùn)等。

等到目前邊緣運(yùn)算產(chǎn)品（Edge AI）完成改變工業(yè)物聯(lián)網(wǎng)（IIoT）環(huán)境之后，預(yù)估未來(lái)市場(chǎng)規(guī)模可望達(dá)到4.8兆（Trillion）元規(guī)模，又以制造（Manufacturing）、倉(cāng)儲(chǔ)物流（Logistics）產(chǎn)業(yè)應(yīng)用各占2T的規(guī)模最大。隨著IC芯片整合程度越來(lái)越高，Edge AI Device功能也會(huì)越來(lái)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(yīng)用。


 
圖1 : NVIDIA預(yù)估未來(lái)市場(chǎng)規(guī)?？赏_(dá)到2000億美元規(guī)模，又以制造、倉(cāng)儲(chǔ)物流產(chǎn)業(yè)應(yīng)用各占2T的規(guī)模最大。(source：nvidia.com)

工業(yè)計(jì)算機(jī)大廠善用GPU算力　支持視覺檢測(cè)復(fù)雜瑕疵
工業(yè)計(jì)算機(jī)（IPC）大廠宸耀科技也從制造業(yè)硬件供貨商的角度來(lái)看，認(rèn)為AI現(xiàn)已無(wú)所不在，分散在工廠各個(gè)可見或不可見的場(chǎng)域，例如透過傳感器搜集大量工廠和機(jī)臺(tái)數(shù)據(jù)，再利用Deep learning進(jìn)行自動(dòng)排程優(yōu)化及預(yù)防性維護(hù)；結(jié)合強(qiáng)化學(xué)習(xí)（Reinforcement Learning）訓(xùn)練機(jī)器人自動(dòng)規(guī)劃、產(chǎn)生動(dòng)作路徑，以進(jìn)行更復(fù)雜的Pick & Place作業(yè)。

以及在自主搬運(yùn)機(jī)器人結(jié)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(fēng)險(xiǎn)；不必?fù)?dān)心光源不足或相機(jī)功能，就能透過深度學(xué)習(xí)來(lái)增加讀取OCR/Bar code，在快速移動(dòng)的流水在線讀取的正確率；或者利用深度學(xué)習(xí)的卷積網(wǎng)絡(luò)（Convolution Neural Network；CNN）模型來(lái)自動(dòng)產(chǎn)生特征，藉此為各式對(duì)象分類或檢測(cè)不規(guī)則瑕疵，就不必再耗時(shí)設(shè)計(jì)許多不同特征。

「惟仍需要選擇適合的Edge AI平臺(tái)，才能滿足所有從低到高端應(yīng)用需求?！瑰芬赋觯壳爸圃鞓I(yè)AI邊緣運(yùn)算平臺(tái)遭遇的設(shè)計(jì)和挑戰(zhàn)，在于其嚴(yán)苛環(huán)境不如傳統(tǒng)建構(gòu)大量服務(wù)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(yùn)算。

反之，為了支持在廠內(nèi)GPU強(qiáng)大算力與操作時(shí)的寬溫差，Edge AI平臺(tái)必須采取專利機(jī)構(gòu)設(shè)計(jì)，以保持進(jìn)/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?yàn)樵诠呐c電源設(shè)計(jì)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(shè)計(jì)，讓仰賴DC電池供電更簡(jiǎn)單，AGV/AMR才能跑得更快更遠(yuǎn)。

可承受若安裝于自動(dòng)導(dǎo)引搬運(yùn)車（AGV）、工業(yè)機(jī)器人上的震動(dòng)與沖擊，而分別因應(yīng)低頻振動(dòng)的緊固與高頻振動(dòng)的減震等專利機(jī)構(gòu)設(shè)計(jì)，鎖固I/O接頭、纜線，即使在3Grms振動(dòng)下仍維持可靠運(yùn)行。進(jìn)而與傳感器或PLC/運(yùn)動(dòng)控制卡/Field bus等外圍設(shè)備整合控制，如搭配工業(yè)相機(jī)輸入各類數(shù)據(jù)源，并搭配各式各樣模型和算法，進(jìn)行更復(fù)雜檢測(cè)。

進(jìn)一步落實(shí)于視覺檢測(cè)應(yīng)用時(shí)，包含在「?jìng)}儲(chǔ)物流」場(chǎng)域使用工業(yè)相機(jī)擷取多面影像，再經(jīng)過Deep learning模型辨識(shí)條形碼/形狀大小不同對(duì)象分類，并導(dǎo)入不同倉(cāng)儲(chǔ)位置。宸耀也因應(yīng)客戶對(duì)于高可靠度、24/7運(yùn)行要求，提供可大量部署、高性價(jià)比平臺(tái)，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(jì)算機(jī)更快速、有效率介入物流系統(tǒng)。

導(dǎo)入于「物料分檢/備料Pick & Place」應(yīng)用時(shí)，則為了透過工業(yè)機(jī)器人針對(duì)一堆雜亂對(duì)象分類與夾取，須由6~8支工業(yè)相機(jī)從不同視角觀察并輸入影像，并使用強(qiáng)化學(xué)習(xí)（Reinforcement learning）不斷訓(xùn)練，而自動(dòng)產(chǎn)生機(jī)器人控制夾取類型和角度等策略；轉(zhuǎn)移學(xué)習(xí)（transfer learning）重復(fù)利用現(xiàn)有模型，加速自有樣本的訓(xùn)練。宸耀提供的平臺(tái)則須具備多支相機(jī)輸入接口、中高階GPU、與機(jī)器人通訊適配卡。

但在針對(duì)以視覺檢測(cè)較為復(fù)雜的面板或晶圓等產(chǎn)品的紋理/刮痕等瑕疵時(shí)，則建議采用卷積網(wǎng)絡(luò)（CNN），適合檢測(cè)品項(xiàng)多樣且表面復(fù)雜的形狀/瑕疵不規(guī)則產(chǎn)品。透過專業(yè)機(jī)器視覺廠商提供深度學(xué)習(xí)視覺檢測(cè)軟件，在同一環(huán)境里取像、標(biāo)記、訓(xùn)練、推論，讓使用者僅需少量瑕疵影像標(biāo)記，即可在產(chǎn)在線檢測(cè)出撕裂、污漬等瑕疵；平臺(tái)再搭配單支或多支相機(jī)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(xùn)練與推論（inference）的速度、可整合I/O或運(yùn)動(dòng)控制卡24/7運(yùn)行。



 
圖2 : 宸耀科技從廠內(nèi)嚴(yán)苛環(huán)境的角度來(lái)看，業(yè)者仍須要慎選適合的Edge AI平臺(tái)，才能滿足從低到高端應(yīng)用需求，讓用戶僅需少量影像標(biāo)記，即可在產(chǎn)在線檢測(cè)瑕疵，維持24/7高效運(yùn)行，也降低部署時(shí)間與成本。

機(jī)器人結(jié)合光譜視覺系統(tǒng)　強(qiáng)化多色檢測(cè)能力
日系工業(yè)機(jī)器人大廠Epson近年來(lái)也逐步與周邊自家選配件，包括屬于機(jī)器視覺的智能相機(jī)、PC視覺，以及六軸力覺傳感器、教導(dǎo)器、輸送帶跟蹤等產(chǎn)品，強(qiáng)調(diào)與別家品牌機(jī)器人最大差異化優(yōu)勢(shì)，在于軟件、控制系統(tǒng)及專用功能，克服客戶導(dǎo)入自動(dòng)化的最大痛點(diǎn)。

其中Epson視覺功能不只為了Pack & Place定位，還能用于制程中辨識(shí)外觀檢測(cè)、長(zhǎng)度及角度量測(cè)、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(jī)器人本體控制器、接口，讓用戶不必重新學(xué)習(xí)編程。進(jìn)而支持不同工業(yè)相機(jī)安裝方式，可選擇CV2架構(gòu)，適用于PC/PLC控制GigE、USB相機(jī)；或是PV1架構(gòu)，僅適用于PC控制GigE相機(jī)，且省去PoE布線不便。

在今年剛結(jié)束的臺(tái)北國(guó)際自動(dòng)化暨機(jī)器人大展期間，Epson也為了實(shí)現(xiàn)「Epson 25」企業(yè)愿景，現(xiàn)場(chǎng)規(guī)劃多個(gè)工業(yè)機(jī)器人應(yīng)用展示區(qū)，包括組裝、搬運(yùn)、視覺與力覺感測(cè)、IoT監(jiān)控管理系統(tǒng)、簡(jiǎn)易軟件操作等全方位智能制造解決方案，更將自動(dòng)化范圍從搬運(yùn)與組裝的過程，擴(kuò)展至零件生產(chǎn)和檢測(cè)的應(yīng)用。

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

今年還引進(jìn)Epson全新光譜相機(jī)產(chǎn)品SV-700S，因?yàn)槟茉黾悠毓鈺r(shí)間，測(cè)量多個(gè)波長(zhǎng)且進(jìn)光量較少，測(cè)量時(shí)間比RGB相機(jī)來(lái)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(jī)便能藉此，以少量的運(yùn)算時(shí)間完成產(chǎn)品檢測(cè)，有效提高產(chǎn)能。

機(jī)器人也可結(jié)合光譜視覺系統(tǒng)，用于須精準(zhǔn)雷射辨識(shí)多種顏色場(chǎng)域、肉眼難以區(qū)分的色差，助產(chǎn)線完成產(chǎn)品色彩檢驗(yàn)流程。且比其他第三方相機(jī)廠商更擁有高度整合的一致性優(yōu)勢(shì)，以便于機(jī)器人若手眼校正不協(xié)調(diào)而出錯(cuò)時(shí)究責(zé)；能以向?qū)е甘局悄苄?zhǔn)，省去繁雜的校準(zhǔn)步?，新進(jìn)工程師也不必重新學(xué)習(xí)復(fù)雜視覺知識(shí)和通訊程控，就能快速上手。



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

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

此針對(duì)微縮化硬件需求，結(jié)合3D迭構(gòu)型SOM與具AI邊緣運(yùn)算功能的工業(yè)相機(jī)模塊，并提供客制化硬件及散熱外殼機(jī)構(gòu)設(shè)計(jì)，將高分辨率視覺影像系統(tǒng)導(dǎo)入工業(yè)檢測(cè)應(yīng)用。內(nèi)部采用聯(lián)發(fā)科MTK Genio 500 AI邊緣運(yùn)算芯片為核心而降低成本，且可達(dá)到0.75TOPS/W算力，應(yīng)付需求較高的應(yīng)用程序，以支持深度學(xué)習(xí)、類神經(jīng)網(wǎng)絡(luò)，用于異類數(shù)據(jù)邊緣運(yùn)算、計(jì)算機(jī)視覺應(yīng)用、工業(yè)檢測(cè)等情境。

同時(shí)針對(duì)工廠通訊規(guī)格設(shè)計(jì)接口，整合打通德國(guó)iDS等不同品牌工業(yè)相機(jī)Driver與AI 架構(gòu)（framework），得以配合客戶需求，提供如MobileNet、AlexNet、ResNet等，已通過驗(yàn)證的最適化AI算法來(lái)設(shè)計(jì)AI模型、訓(xùn)練、推論與部署、導(dǎo)入系統(tǒng)，可在工業(yè)檢測(cè)與消費(fèi)型AIoT應(yīng)用，找出對(duì)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(yùn)、升級(jí)服務(wù)。

現(xiàn)場(chǎng)也展示該模塊整合了工研院自制「AIBOX」邊緣運(yùn)算器，采取「可重組多任務(wù)AI視覺嵌入示異質(zhì)系統(tǒng)」架構(gòu)，強(qiáng)調(diào)可兼容現(xiàn)今市面上標(biāo)準(zhǔn)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?jī)?nèi)存50%。進(jìn)而整合時(shí)下的深度學(xué)習(xí)算法，采用模塊化設(shè)計(jì)、簡(jiǎn)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(shè)備升級(jí)。有效解決過去業(yè)者若導(dǎo)入AI應(yīng)用，每增一項(xiàng)應(yīng)用就須添購(gòu)GPU平臺(tái)搭配一部設(shè)備+相機(jī)，如今則可藉此達(dá)到多任務(wù)需求，又能節(jié)省開發(fā)時(shí)間與成本。

 

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

系統(tǒng)整合實(shí)現(xiàn)人工智能　軟硬件工具為自動(dòng)化加值
值得一提的是，為了讓現(xiàn)今機(jī)器人更適應(yīng)多元場(chǎng)域，必須與環(huán)境互動(dòng)、人機(jī)協(xié)同作業(yè)，所以必須具備更高階的感知功能。在臺(tái)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(lái)分析、預(yù)測(cè)保養(yǎng)的大數(shù)據(jù)AI，而是屬于圖像式AI，可無(wú)縫鏈接機(jī)器人、視覺和AI軟件邏輯判斷；現(xiàn)也納入多家不同機(jī)器人品牌的程序語(yǔ)言，一旦用軟成功建立流程，就不必再編寫繁復(fù)的程序。

所羅門強(qiáng)調(diào)，經(jīng)由整合自家深度學(xué)習(xí)（Deep Learning）的類神經(jīng)網(wǎng)絡(luò)AI檢測(cè)軟件Solvision，導(dǎo)入到國(guó)內(nèi)外各家檢測(cè)設(shè)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(biāo)注影像樣本，即可訓(xùn)練高辨識(shí)模型的優(yōu)勢(shì)，輕松解決過往難以高效檢出瑕疵的痛點(diǎn)。

得以最短時(shí)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(chǎn)力。進(jìn)而訓(xùn)練機(jī)器人持續(xù)學(xué)習(xí)、升級(jí)進(jìn)化，不必靠操作人員手持教導(dǎo)盒緊跟著指點(diǎn)、下令，或針對(duì)各種亂堆工件，重新制作夾治具生產(chǎn)，即可自主辨識(shí)及執(zhí)行插件等動(dòng)作指令。

結(jié)語(yǔ)
展望現(xiàn)今工廠對(duì)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(lái)越多企業(yè)期盼能藉由智慧轉(zhuǎn)型調(diào)整工廠產(chǎn)線的制造模式，以達(dá)成永續(xù)經(jīng)營(yíng)的目標(biāo)。因此當(dāng)建置工廠軟硬件設(shè)備及整合系統(tǒng)時(shí)，皆期盼能以相對(duì)縮短的安裝流程、在少量投資的前提下，完成優(yōu)化生產(chǎn)線。

包括Epson的制造創(chuàng)新模式，便是將工業(yè)機(jī)器人技術(shù)與系統(tǒng)服務(wù)整合后，以一站式方案為工廠導(dǎo)入靈活且穩(wěn)定的生產(chǎn)線，建立高效的生產(chǎn)系統(tǒng)實(shí)現(xiàn)短鏈制造目標(biāo)，并減少對(duì)環(huán)境的沖擊。同時(shí)更透過自動(dòng)化來(lái)緩解勞動(dòng)力短缺困境，讓工廠享有高質(zhì)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(lái)，與各家業(yè)者合作導(dǎo)入機(jī)器人系統(tǒng)整合的經(jīng)驗(yàn)，發(fā)現(xiàn)機(jī)器人其實(shí)很難取代人力高彈性的優(yōu)勢(shì)。反之，若能藉AI從建立流程標(biāo)準(zhǔn)化開始，量化員工效率并設(shè)法讓員工減少犯錯(cuò)，就有機(jī)會(huì)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(shù)人力短缺，或無(wú)力與半導(dǎo)體產(chǎn)業(yè)爭(zhēng)奪高階人才的困局，克服技能落差、經(jīng)驗(yàn)傳承等問題。業(yè)者倘若能藉此深化AI技術(shù)，并完善虛實(shí)整合應(yīng)用，將能大幅提高維運(yùn)團(tuán)隊(duì)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(dòng)化投資報(bào)酬。