所羅門AI機器視覺部落格

「以終為始，就是做正確事的習慣，在行動前務必把目標想清楚」、「沒有明天的目標，那今天的行動，多半是重複昨天的事。」以上的文字，是我閱讀商業周刊的文章後，在讀書會上與同仁分享的精華。

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。

訂單從過往「少樣多量」變成如今「多樣少量」的彈性生產，待測物件尺寸、外型、材質等複雜度隨之提高，甚至出現定義不明的瑕疵，而傳統AOI需先定義瑕疵樣本，並以設定好的參數做為判斷基準，無法靈活快速做出判斷，導致漏檢率大幅增加，在此情況下，AI崛起讓機器視覺開始進化，其「擬人化」技術便成為新解方。

此時此刻我們正在人類科技發展以爆炸性速度成長的奇異點上，大家都在猜測AI的能耐到底有多大，未來是否真的會發展到人類完全無法理解的水準，當有人興奮、有人驚慌的同時，更多的是全球許多領先企業及製造業，已經搶先將AI人工智慧投入工廠及生產線，生怕慢對手一步便會錯失良機。

機器學習（Machine Learning, ML），即是人工智慧的分支，主要是透過系統將蒐集來的大量數據資料依序分類，透過演算法識別資料中的模式，產出模型加以學習改進，進而做出最佳的決策及預測。

應用AOI檢測最多的PCB產業，往往會因為保證產品良率而調高AOI參數，設定成相當嚴格，此舉會導致AO相當敏感，便會產生過殺(Over Kill)的現象，但是透過AI軟體，可以藉由經驗法則來學習判斷，可以因應外在變化而達成自我調整，進一步有效判斷未曾看過的瑕疵集成像。

想理解深度學習（Deep Learning, DL），最簡單的解釋，可以將深度學習視為機器學習，若更進一步的定義，深度學習就是機器學習的進化版，是資料科學中的組成關鍵。

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。