科技业对于自动光学检测(AOI)的导入已行之有年，近年与再度兴起的AI融合成为创新应用，但对传统制造业来说，却完全是个新技术。《数位转型 台湾最行》应用篇第十集持续聚焦AI影像辨识技术，DIGITIMES邀请到专注在AI影像辨识技术的慧稳科技总经理林耿呈来谈谈他如何协助传统制造业导入AI，改善过去“人工”智慧的目测手法，提升产品品质。
传统产业近年加快导入AI影像辨识，以弥补越来越不足的人工需求。Nanonets
慧稳科技专注于AI影像辨识技术。图中为总经理林耿呈。DIGITIMES
成立于2016年的慧稳科技聚焦于AI影像辨识领域，并且以目前制造业需求缺口最大的瑕疵检测为核心市场，但是在相对竞争激烈的影像辨识市场中，为什么不选择具有AOI使用经验的科技业为标的，反而先以几乎零经验、含金量不大的传统制造业作为主要客群？
林耿呈直言，其实传统制造业的挑战不讳言比科技业更大，因为这类产业原本就大量仰赖人工去判断瑕疵，要让他们开始接纳数据跟科技，光是克服心理抗拒即不易，但林耿呈反而认为，传产才是最需要升级的对象，而且过去传产没有太多导入AOI的经验，“我们希望能够借此帮传产达到跳跃式的进步”林耿呈说。
为了帮助“初学者”的传统制造业，慧稳科技设计透过一条龙式的服务帮助传产从无到有建立影像辨识应用，包括前期进入案场了解需求、与现场老师傅讨论，到资料的量化、撷取、清洗、训练与部署等。
林耿呈也分享过去与传产业者的合作经验。其中，他认为瑕疵的定义与标准化流程是相当重要的。尤其对于传产来说，以前都是靠老师傅用目视检查品质，但标准因人而异，导入AI的目的就是希望透过科学法则当作统一标准，因此像慧稳这样的AI业者前期也需要透过来回与现场师傅的讨论，来共同制定瑕疵的定义与标准。
此外，也有技术上的挑战。像相机、光源等是AOI系统组成之一，过去AOI技术对于取像要求高，容易受到外界环境干扰，更别说是环境相对更严苛的传统产业，这对于AI影像辨识来说也是一大挑战，不过所幸归功于AI技术的演进，已可让AI透过自主学习，即便待测物取像不完全，仍能快速辨识。
林耿呈进一步指出，像是有的待测物具有多曲面外型，在这种状况下，就必须仰赖特殊的光源与取向技巧，例如要让物体本身有机械作动，或是透过多角度的摄影机与光源构成一良好的取像环境等。而光是这一段过程，就结合了包括光学、机械、软体、AI和传统影像处理等多领域专业技术。
而面对经验不多的传产业者，林耿呈也分享慧稳会利用初期以小资料验证的作法以判断可行性，接着再进一步透过Sample机导入大数据取像验证，最后再实际进入场域部署。透过阶段性的做法，让初次尝试的业者增加对新技术的使用信心。
文章来源:https://www.digitimes.com.tw/iot/article.asp?cat=158&id=602747
