突破智能3D光學(xué)檢測應(yīng)用關(guān)鍵

面對現(xiàn)今消費電子產(chǎn)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(shè)計；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)入自動化光學(xué)檢測（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器學(xué)習(xí)技術(shù)，強化影像辨識功能。

回顧過去AI因為受到高速運算技術(shù)限制，CPU無力執(zhí)行機器學(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(lǐng)域滲透。

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

等到目前邊緣運算產(chǎn)品（Edge AI）完成改變工業(yè)物聯(lián)網(wǎng)（IIoT）環(huán)境之后，預(yù)估未來市場規(guī)?？赏_(dá)到4.8兆（Trillion）元規(guī)模，又以制造（Manufacturing）、倉儲物流（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(yīng)用。


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

工業(yè)計算機大廠善用GPU算力　支持視覺檢測復(fù)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(rèn)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(jìn)行自動排程優(yōu)化及預(yù)防性維護(hù)；結(jié)合強化學(xué)習(xí)（Reinforcement Learning）訓(xùn)練機器人自動規(guī)劃、產(chǎn)生動作路徑，以進(jìn)行更復(fù)雜的Pick & Place作業(yè)。

以及在自主搬運機器人結(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；不必?fù)?dān)心光源不足或相機功能，就能透過深度學(xué)習(xí)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(xué)習(xí)的卷積網(wǎng)絡(luò)（Convolution Neural Network；CNN）模型來自動產(chǎn)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(shè)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(yīng)用需求?！瑰芬赋觯壳爸圃鞓I(yè)AI邊緣運算平臺遭遇的設(shè)計和挑戰(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)行高速運算。

反之，為了支持在廠內(nèi)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(gòu)設(shè)計，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。且因為在功耗與電源設(shè)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(shè)計，讓仰賴DC電池供電更簡單，AGV/AMR才能跑得更快更遠(yuǎn)。

可承受若安裝于自動導(dǎo)引搬運車（AGV）、工業(yè)機器人上的震動與沖擊，而分別因應(yīng)低頻振動的緊固與高頻振動的減震等專利機構(gòu)設(shè)計，鎖固I/O接頭、纜線，即使在3Grms振動下仍維持可靠運行。進(jìn)而與傳感器或PLC/運動控制卡/Field bus等外圍設(shè)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(jìn)行更復(fù)雜檢測。

進(jìn)一步落實于視覺檢測應(yīng)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(jīng)過Deep learning模型辨識條形碼/形狀大小不同對象分類，并導(dǎo)入不同倉儲位置。宸耀也因應(yīng)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(dǎo)入于「物料分檢/備料Pick & Place」應(yīng)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(xué)習(xí)（Reinforcement learning）不斷訓(xùn)練，而自動產(chǎn)生機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(fù)雜的面板或晶圓等產(chǎn)品的紋理/刮痕等瑕疵時，則建議采用卷積網(wǎng)絡(luò)（CNN），適合檢測品項多樣且表面復(fù)雜的形狀/瑕疵不規(guī)則產(chǎn)品。透過專業(yè)機器視覺廠商提供深度學(xué)習(xí)視覺檢測軟件，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(xùn)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(nèi)嚴(yán)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(yīng)用需求，讓用戶僅需少量影像標(biāo)記，即可在產(chǎn)在線檢測瑕疵，維持24/7高效運行，也降低部署時間與成本。

機器人結(jié)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(dǎo)器、輸送帶跟蹤等產(chǎn)品，強調(diào)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(dǎo)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(xué)習(xí)編程。進(jìn)而支持不同工業(yè)相機安裝方式，可選擇CV2架構(gòu)，適用于PC/PLC控制GigE、USB相機；或是PV1架構(gòu)，僅適用于PC控制GigE相機，且省去PoE布線不便。

在今年剛結(jié)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(yīng)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(chǎn)和檢測的應(yīng)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(jié)合了3D視覺傳感器帶來的雙眼，賦予其解決多樣生產(chǎn)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(jìn)行產(chǎn)品檢測，提高產(chǎn)能良率。

今年還引進(jìn)Epson全新光譜相機產(chǎn)品SV-700S，因為能增加曝光時間，測量多個波長且進(jìn)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(chǎn)品檢測，有效提高產(chǎn)能。

機器人也可結(jié)合光譜視覺系統(tǒng)，用于須精準(zhǔn)雷射辨識多種顏色場域、肉眼難以區(qū)分的色差，助產(chǎn)線完成產(chǎn)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(diào)而出錯時究責(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(chǎn)線提高產(chǎn)能。（source：Epson）

工研院建構(gòu)微型工業(yè)相機+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項創(chuàng)新技術(shù)！其中「微型3D迭構(gòu)智能相機」模塊，便是透過最適化電路模塊劃分算法進(jìn)行設(shè)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(gòu)，以滿足不同AI系統(tǒng)模塊應(yīng)用需求。

此針對微縮化硬件需求，結(jié)合3D迭構(gòu)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(gòu)設(shè)計，將高分辨率視覺影像系統(tǒng)導(dǎo)入工業(yè)檢測應(yīng)用。內(nèi)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(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)邊緣運算、計算機視覺應(yīng)用、工業(yè)檢測等情境。

同時針對工廠通訊規(guī)格設(shè)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(gòu)（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(shè)計AI模型、訓(xùn)練、推論與部署、導(dǎo)入系統(tǒng)，可在工業(yè)檢測與消費型AIoT應(yīng)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(wù)。

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(wù)AI視覺嵌入示異質(zhì)系統(tǒng)」架構(gòu)，強調(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)省外部內(nèi)存50%。進(jìn)而整合時下的深度學(xué)習(xí)算法，采用模塊化設(shè)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(shè)備升級。有效解決過去業(yè)者若導(dǎo)入AI應(yīng)用，每增一項應(yīng)用就須添購GPU平臺搭配一部設(shè)備+相機，如今則可藉此達(dá)到多任務(wù)需求，又能節(jié)省開發(fā)時間與成本。

 

圖4 : 打造「微型3D迭構(gòu)智能相機」模塊＋「AIBOX」邊緣運算器，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(yīng)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(yù)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(fù)的程序。

所羅門強調(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檢測軟件Solvision，導(dǎo)入到國內(nèi)外各家檢測設(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(chǎn)力。進(jìn)而訓(xùn)練機器人持續(xù)學(xué)習(xí)、升級進(jìn)化，不必靠操作人員手持教導(dǎo)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(chǎn)，即可自主辨識及執(zhí)行插件等動作指令。

結(jié)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(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，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(chǎn)線。

包括Epson的制造創(chuàng)新模式，便是將工業(yè)機器人技術(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)實現(xiàn)短鏈制造目標(biāo)，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(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，與各家業(yè)者合作導(dǎo)入機器人系統(tǒng)整合的經(jīng)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(biāo)準(zhǔn)化開始，量化員工效率并設(shè)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(shù)人力短缺，或無力與半導(dǎo)體產(chǎn)業(yè)爭奪高階人才的困局，克服技能落差、經(jīng)驗傳承等問題。業(yè)者倘若能藉此深化AI技術(shù)，并完善虛實整合應(yīng)用，將能大幅提高維運團(tuán)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。