擁有如人類思考的AI技術,在辨識並定位不規則特徵佔有優勢,為滿足檢測需求,市場上已出現許多AI瑕疵檢測系統及服務,然而,套裝軟體在許多功能上依舊存在差異,其中在使用者介面(UI)友善度、訓練樣本數、辨識率、檢測速率的討論度最為廣泛。

AI軟體使用者介面友善度

AI瑕疵檢測產品繁多,系統操作介面體驗各有不同,因此能否快速上手,一定程度影響使用意願。AI瑕疵檢測系統介面普遍互動性較高且友善,例如下拉式、拖曳式選單設計,便於具經驗的從業人員執行瑕疵處理。

此外,部分AI產品介面功能不完整,甚至需根據應用差異另行開發,使用體驗及便利性相對較差,再加上介面在訓練前中後等功能不足,標註工具以及分類方法單一,容易影響瑕疵標註與訓練樣本數。

AI訓練樣本數

「訓練一個AI模型,需要多少樣本?」始終是企業導入AI的關鍵命題,在使用AI瑕疵檢測系統時,需蒐集瑕疵樣本並依序標示特徵,當模型學習足夠數量的標記數據後,將自動生成類神經網路模型。由此可知優質資料庫是製作有效模型的核心!

然而,AI瑕疵檢測軟體檢測能力各異,有的所需樣本較多,雖然提升瑕疵檢出率,但誤判率同樣居高不下;有的僅需輸入適量、有代表性的物件影像及標註其瑕疵特徵,軟體就能自我學習,並能快速準確辨識且標註瑕疵所在,大幅縮減案件導入時間。

AI瑕疵辨識率

AI瑕疵檢測之辨識率,乃依據各家深度學習核心演算法搭配介面功能而得到的模仿能力,而模仿能力越強的AI越能精準判別物件特徵差異。此外,在同樣的訓練樣本數下,要判別AI模型的辨識能力,業界常使用Confusion Matrix(混淆矩陣)統計Accuracy、Precision、Recall、Specificity四項指標,有時再加上IOU,分析AI模型檢測能力。

  • AI瑕疵檢測速率

AI瑕疵檢測速率優劣,除了取決於硬體支援規格外,關鍵在於與辨識率間的平衡。好的AI系統,能依照產品檢測情境,適度調整圖像辨識精準度,以提升檢測速率,有效完成產線檢測所需。

把AI變簡單,SolVision七大優勢:

3D視覺系統領導廠商所羅門致力於AI、3D視覺的應用與創新,以獨特的開放式視覺平台解決方案,成功應用於各大產業,為全球客戶提供服務,協助業者跨入先進製造,實現高投資回報率。

針對AI瑕疵檢測,所羅門創新推出的SolVision,是一款整合AI技術及「辨識」、 「定位」、「分級(分群/分類)」、「字元辨識」、「計數」功能的智慧檢測解決方案,其優勢如下:

介面友善

SolVision為免編程AI視覺軟體,提供圖形化介面,具備模仿介面操作者的辨識能力。內建「標註」、「資料擴增」、「互動式分析工具」訓練功能,可輕鬆進行特徵搜尋、擷取與分類。標註工具操作簡易,宛如使用PC常見工具「小畫家」一般,能輕鬆又直覺的讓使用者標註複雜特徵形狀。

功能完備

SolVision提供監督式與非監督式檢測共四大檢測工具,輸入適量的物件影像及標註其特徵,軟體即可自我學習達到最佳化檢測,一站式完成瑕疵辨識、特徵定位、物件分類、字元辨識、量測需求,協助客戶節省大量時間與成本。

監督式檢測工具共分三種,一為特徵定位(Feature Detection),主要用於方形物體或與背景相關之特徵或瑕疵檢測;二為特徵分割(Instance Segmentation),外型不規則或複雜背景中之特徵或瑕疵檢測可以此功能進行擷取;三為特徵分類(Classification),用於特徵或瑕疵數量多或影像占比大之應用。

當瑕疵樣本面臨蒐集不易情況,SolVision更提供非監督式檢測(Anomaly Detection)工具,訓練時僅須提供正確樣本,系統便會在訓練過程中產生檢測模型,即可辨識與良品間差異之處。

高辨識度

SolVision採用先進的類神經網路,搭配功能齊備介面,能不斷累積學習經驗、修正檢測模型,便能正確辨識出瑕疵處,高檢出率與檢出速率,輕易解決傳統光學難以辨識的視覺問題。

SolVision可同時辨識近一百種物件或特徵,經過實測,SolVision特徵分割可進行多達四十五種的分類。與國外一線產品相比,SolVision辨識率平均可高出20-30%,以IC微裂檢測設備Overkill分析為例,經過實際統計,AOI為20-30%、其它品牌之AI檢測系統為4-5%、SolVision則小於1.5%,大幅降低AOI Overkill問題。

速度快捷

在同一顯卡標準下,SolVision透過軟體功能提升檢測速度,憑藉10ms高速辨識出AOI難以辨識字體,優於市場平均30ms速率;在硬體部分,SolVision使用multiple GPU,搭配多顯卡分散AI運算負載,達到加速效果,解決大視野範圍找小瑕疵的困擾與維持檢測能力。

樣本數少

SolVision內建資料擴增工具,用於增加虛擬AI訓練資料庫,藉由旋轉、縮放、降低解析度或調整明暗等訓練功能強化AI模型穩定性,不需太多重複性影像即可進行辨識。

以檢測雷射二極體(Laser Diode, LD)淺刮痕為例,由於LD本身直徑僅約2mm,不易取得清晰影像,雖已導入美系AI檢測軟體,但產品Overkill並未有效下降,因此該企業便尋求SolVision協助。在802張共同樣本數下,美系廠商因AI分割工具無分類功能,導入160張訓練樣本後Overkill仍有5%、漏檢率約0.2-1.2%;而SolVision僅導入78張NG影像及4張OK影像進行過殺率修正,成功以較少樣本達成零過殺與漏檢效果。(如圖4)

SolVision檢測LD瑕疵圖例

(圖4:SolVision檢測LD瑕疵圖例。)

  • 報表完整

SolVision擁有互動式Confusion Matrix,利用二維陣列形式來分析AI模型的檢測能力,並提供互動式介面,可加速錯誤影像查找時間,增加操作便利性。(如圖5)

SolVision檢測LD瑕疵圖例

(圖5:SolVision Confusion Matrix圖例。)

整合容易

SolVision簡單易學、無需耗費大量人力時間即可與系統或設備快速連結。檢測結果及物件位置亦能透過TCP/IP通訊界面輸出,即時傳遞檢測結果至PLC或各主要品牌手臂控制器,同時更整合如LabView、Visual Studio C#、C++等第三方程式,快速利用編程實現數據採集與產線運作升級。

觀看SolVision產業成功案例

相關文章
  • shipping containers of assorted colors stacked in a port

    透過 AI 優化物流業的 3 大方法

    在現代商業環境中,物流公司面臨各種障礙,這些障礙影響了其效率,降低了客戶滿意度,並使其難以滿足不斷變化的消費者需求。 幸運的是,人工智能(AI)可以通過優化物流分揀過程來幫助克服這些障礙。 AI技術可以幫助物流公司優化其分揀程序,提高準確性,降低成本。
  • AI + 3D機器視覺,1分鐘讓機器手臂開始夾取

    在部分複雜物體辨識上,單靠3D視覺的精度與準度仍有困難如: 複雜形狀的半透明奶嘴位置辨識、小零件/高精度金屬件機器手臂夾取。若將AI與3D視覺系統進一步整合,能強化其辨識能力,使機器手臂以正確方向、位置取放物體。
  • 什麼是AOI?AOI的優勢與弱勢?

    AOI(Automated Optical Inspection)自動光學檢查,是依靠機器視覺作為辨識的技術,用以改良或彌補人力用光學檢測的種種缺點,現今已被應用在各式各樣的產業中,AOI最主要的功能為瑕疵檢測、尺寸量測、定位貼合,包括高科技產業、半導體、製藥、食品等,AOI在工業自動化中扮演著重要的角色,目前AOI最常被應用的產業分別是PCB和面板顯示器產業,兩者佔比約為64%和15%。
  • AI機器視覺是甚麼?原理與應用?看完這篇一次了解

    AI機器視覺是人工智慧的一個分支,使機器和人一樣「看懂」圖像與物件後進行判斷與決策,常用在工業自動化與機器人領域如: 視覺瑕疵檢測、3D視覺定位等,也是新興的AR + AI視覺系統技術核心。