智慧應用 影音
財團法人工業技術研究院
event

【科普】有了AOI 為什麼還需要AI?

「AOI+AI」的雙劍合璧是近年智慧製造市場中的熱門題材。李建樑攝

品質和良率,一向是台灣製造業者最重視的課題。從應用端需求來看,品質檢測相關解決方案帶來的龐大商機,讓目前智慧製造市場呈現百家爭鳴,從傳統檢測設備業者到新創公司都在掘金。特別是由於品質檢測屬於事後結果,對於想要導入智慧製造的業者來說,風險最小、成功機率最高,因而也成為智慧製造的敲門磚。

而在品質檢測相關解決方案中,要說近年最熱門的題材,莫過於「AOI+AI」的雙劍合璧,這似乎已成為台灣製造領域檢測方案的發展主流。對市場來說,AI可能是這幾年大躍進的創新技術,不過AOI在工業檢測領域中並非顯見,且發展已久,但市場既已有AOI,為什麼還需要AI?

什麼是「AOI」?

在此之前,我們先來了解什麼是AOI。

AOI (Automated Optical Inspection),即自動光學檢測,是一種快速、非接觸式的影像檢測手法。是集合光學、機械、電控以及軟體等整合系統,並以「機器視覺」為標準技術,透過擷取物件表面影像進行分析,進而以電腦影像處裡技術來判斷物件是否存在異物或異常等瑕疵,藉由自動化,改善傳統上以人工目視進行檢測的缺點。也因為它是非接觸式檢查,所以亦可在製程中用來檢查半成品。

AOI可說是業界非常廣泛應用的檢測手法,功能也很多,例如可以拿來檢查零件有無缺少、瑕疵,或是量測零件的長、寬、高等。應用層面從IC及一般電子業、金屬鋼鐵、食品加工、紡織皮革或汽車工業等都有。而根據市場調查,目前AOI最常被應用的產業則分別是PCB和面板顯示器產業,兩者佔比約為64%和15%。

儘管AOI的自動化已經可以取代人工檢測,但是,伴隨現在產品複雜度提高,以及檢測速率的要求下,傳統影像處理技術和演算法仍存在一些缺點,這個缺點尤其在應用最多的PCB產業中特別明顯。

PCB產業對於良率的要求,是抱持著「寧可錯殺一百,也不可放過一人」高標準,這使得業者往往會把AOI的參數設定成極高規格,導致設備異常敏感,進而出現過殺(over kill)、誤判的現象。根據業界統計, AOI的過篩誤判率可能達到7、8成。

這讓業者相當頭痛,因為在這樣的情況下,廠商只能加派人力進行二次複檢,證實究竟是虛驚一場,還是確有瑕疵,這不僅會造成額外的人力和時間成本,有的產業甚至會依據不同客戶對於良率的要求,而對產品分級,在某些情況下,有些瑕疵是可以被容許的,因此AOI的誤判,可能會導致不良品暴增,徒增業者的生產成本。

在AI基礎上 AOI帶來更準確的決策能力

檢測出瑕疵與否,影像處理技術的「判斷能力」扮演非常重要的任務。過去AOI檢測透過邏輯性的思考模式,以設定好的參數、定義好的規則作為基準進行判斷,因此使用者通常必須先定義好瑕疵樣本與規則,但這樣的做法,AOI設備多半只能聽命行事,一旦出現新的瑕疵或定義不明,設備可能就無法進行判斷。

隨著檢測條件越來越多元,過去這種「非黑即白」且數值化的檢測標準也遇到不少難題,當越來越多「抽象」、難以具體描述的待測物出現,此時,就需要有更靈活的機制來輔助機器做出判斷。

而AOI檢測與AI辨識最大的不同之處在於,是否可針對未知瑕疵主動進行識別。AI可以在一定程度上模仿人類,將「經驗法則」應用到影像辨識中,因而比起規則,更能因應外在變化而達到自我調適,進一步有效判斷未知的瑕疵或成像。

可以說在AI的基礎上,藉由軟體優化,為AOI帶來了更準確的決策能力,像這樣整合機器視覺與機器學習的智慧自動化檢測方案,似乎也成為未來發展主流,同時為AOI設備供應商和使用者帶來巨大優勢。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AI PCB 智慧製造 品質檢測 AOI