品控檢測難定義 朝通用型AI發展有技術挑戰

作者：DIGITIMES廖家宜

製造業對於質量控管的要求甚高，目前影像識別在製造端最大的需求則來自於品控檢測，然製造業因產業產品型態差異頗大，不同於零售業導入來客分析，或是安防市場用於場域監控系以人為核心，製造業在瑕疵檢測的應用上情況則相對複雜。以AI導入AOI解決方案成功切入光電產業的太奇雲端總經理李承勛則指出，由於瑕疵不好定義，而個別客戶使用情況又不盡相同，因此市場現階段欲朝通用型AI發展，仍有挑戰。

受市場需求驅動，傳統AOI轉向與AI結合成為相關檢測設備業者下一個市場著力點，目前國內外都已有AOI廠商透過自主技術開發AI演算法及應用，讓自家檢測設備升級智慧化，對此，李承勛則表示市場仍須思考開發AI的主導權應歸屬於設備業者亦或是製造業者本身，甚至衍生如中央整合的角色出列。

李承勛指出，在客戶對質量控管的高規格要求下，當然會傾向於選擇能夠提高識別效率與準確率的AI設備，但與製造業過去推動工業物聯網面臨一樣的問題，生產線上不同製程段的檢測機台可能並非單一廠牌，倘若個別檢測設備都有自己一套AI演算法，則易形成標準不一的局面。

此外，有別於零售業導入來客分析系以人為主體，相對可具有普遍性，但瑕疵則難。製造業在瑕疵檢測的應用領域中，除了個別客戶對於瑕疵的定義不盡相同，不容易形成一套標準之外，加上一般正常產線的實際情況通常為正常樣本多於瑕疵樣本，在AI可訓練之樣本數不足的情況下，也提高設備業者開發難度，也就是說，個別設備業者並不容易發展出「一機多用」的產品模式，市場現階段欲朝通用型AI發展，仍有技術挑戰。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！