AI機器視覺是什麼?
原理與應用?
看完這篇一次了解!

AI機器視覺是什麼?

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視覺定位分類計數,甚至影像監控/辨識等應用,也是新興的AR + AI視覺系統技術核心。

技術原理與組成

AOI這種Rule-based到深度學習技術(為機器學習的分支,透過模擬人腦的類神經網路,形成數學函數集並將資料代入做訓練與運算,能處理非結構化資料,使機器和人一樣進行判斷),通常包含以下5個環節。

影像輸入

包含工業相機、IP Cam拍攝或現成圖像資料等來源。除了像素規格,光源也至關重要,需考量亮度/光通量、色溫、色彩再現性等,確保影像符合實際需求與品質。

影像處理與特徵提取

影像處理或轉換如二值化、濾波、增強、降噪和縮放等操作,提高影像品質和可用性後,提取有用的特徵如: 邊緣、紋理、色彩,或文章裡的詞組,選擇最具代表性的特徵,以降低計算成本並提高識別性能。

AI建模與訓練

常由人工或AI技術進行標記與訓練,並建立AI模型,透過特徵來識別和分類模式。常用的模型包括支持向量機(SVM)、卷積神經網絡(CNN)和循環神經網絡(RNN)等。

物件識別與評估

訓練後的模型依照需求辨識圖像中的物體、人物、文字或模式等。如何評估模型性能?通常包含精確度(模型正確預測的樣本數除以總樣本數。然而,對於不平衡的數據集,精確度可能不是一個很好的指標)、混淆矩陣(一個矩陣表格,包括真正例、假正例、真反例和假反例的結果。)和信心值等各種指標。

決策和輸出

根據識別的資訊進行決策如: 辨識物件與方位後,控制機器手臂取放OCR字元讀取、組裝/設備操作步驟SOP確認等應用。

機器視覺的應用與難題

從自動駕駛到廠區智慧巡檢,可用人眼做判斷與檢測/檢查的部分,就有機器視覺的應用機會,但仍面臨原始資料品質差與樣本數不足的挑戰,且無法直接將模型從某領域轉移到另一個領域使用,AI建模成本(訓練時間、能耗、人力與樣本數等)也至關重要,即便是簡單的機械式指針讀取與辨識,一般傳統AI可能需上百甚至上千張樣本進行訓練。
AI並不是要取代人類,而是幫助人類更高效、準確地運用資源甚至解放雙手等,以AR擴增實境 + AI的視覺系統來說,由於可搭載於穿戴式裝置,作業員組裝設備時,AI可對現實世界物件做辨識與判斷,並透過AR眼鏡,即時提供操作員組裝指引,或自動檢查線路是否正確連接等。
AR和AI的結合能夠以合宜成本,提高資源運用效率、良率和確保工安等優點與全新應用,這種技術的應用有望在未來持續擴大,提供更多創新的解決方案。
相關文章
  • 1. 老舊設備 – 非侵入式資料擷取以及控制

    數位轉型實踐 – 設備智慧化結合AR創造商機

    台灣防疫固然有成,並且成功的讓產業所受到的衝擊降到最低,但在全球經濟轉變以及工作模式已經帶來全面性的改變:設備智慧化、零接觸經濟、遠距教學等需求逐步提升。因此在這後疫情時代下,從各面向進行數位轉型,並帶動經濟的發展,為產業帶來嶄新的機會!那究竟我們需要怎麼樣來實行呢?我們將會遇到哪些問題?
  • timeline showing the origins of Artificial Intelligence

    什麼是人工智慧(AI)?

    人工智慧(Artificial Intelligence, AI)是電腦科學的範疇,是指電腦、程式等系統及機器,自行透過數據分析進行推論,模擬如人類的思考邏輯、執行策略的先端技術。以淺顯的語句來說,AI人工智慧的終極目標,就是讓電腦擁有像人類一般的思考判斷能力。
  • 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%。
  • 疫情雖逐步受到控制,但由於機械結構複雜,遠端線上教學未必能清楚描述,一旦失誤,恐導致設備損壞延宕產品生產時程。

    一顆關鍵閘道器 製藥廠掀智造浪潮

    不少企業誤以為,要走向智慧製造,就必須重新建立新廠房、添購新機械設備,才能因應這波轉型。其實,善用工業物聯網技術,進行廠區中各機台的數據蒐集、整合及分析等應用,讓生產效益達到最佳化,正是工廠自動化再升級的新選擇。