帳號:
密碼:
智動化 / 文章 /

形塑AOI產業創新生態
接引生成式AI平穩落地
[作者 陳念舜]   2024年08月22日 星期四 瀏覽人次: [1979]

COMPUTEX 2024期間,已明顯可見到人工智慧(AI)正逐步落實於各行各業,從製造業到醫療保健、交通管理到消費電子的應用範圍廣泛,對於許多產業來說都是一場革命,其中導入AOI與機器視覺等邊緣AI相關技術應用更為關鍵。


自從1980年代的機器學習(Machine Learning)時期,開始讓電腦具備自主學習、改善能力,並延伸至特定領域,便率先導入語音辨識、翻譯,或是醫療影像病變、產品瑕疵檢測等。到了2016年AlphaGo橫空出世,擊敗圍棋界棋王,更被視為近期AI發展最大突破。


待2022年生成式AI問世,持續推動跨界投入商業化等更有生產力效益的場域。根據研調機構Statista Research預估,受惠於AI技術的持續突破,全球電腦視覺市場在理解圖片與臉部驗證領域應用將於2024年再創新高,並以每年約11%的速度成長。



圖一 : 當人工智慧(AI)正逐步落實於各行各業形成一場革命,其中導入AOI與機器視覺等邊緣AI相關技術應用更為關鍵。(攝影:陳念舜)
圖一 : 當人工智慧(AI)正逐步落實於各行各業形成一場革命,其中導入AOI與機器視覺等邊緣AI相關技術應用更為關鍵。(攝影:陳念舜)

目前針對機器視覺由取像、分析,到結果的輸出,大致可分為「影像擷取」、「影像處理」、「影像分析」3步驟。應用在工業自動化與機器人,例如視覺瑕疵檢測、3D視覺定位、分類計數,甚至影像監控/辨識等應用,成為AI視覺系統的技術核心。


研華布局AI規模化 促四角平穩落地

其中依研華產業雲暨影像科技副總經理鮑志偉指出,邊緣(Edge AI)將是下一波AI的發展趨勢,如同過往的產業電腦(Industrial PC;IPC)發展,須先達到規模化經濟,才能加速產業AI化落地,建構起立足的優勢。目前已在先進大國部署,預估將會在2025~2026年間大量複製及爆發式成長;生成式AI產品則還需要約3~4年驗證時間,2029年始顯著成長。


至於躍升規模化落地的首要方程式,則包含:場域、平台、協作與AI加速等4大關鍵要素,產業生態系的構建與協作,更是至關重要!鮑志偉進一步分析,邊緣AI首先須經由各國政府補助開發,逐步導入智慧城市場域,以利規模化發展;其次是在影像、醫療等領域,通過認證並獲採用,利用各種AMR自主移動機器人來填補產業人力不足的問題;最後則是整體應用更臻成熟之後,預料將出現產品創新期。



圖二 : 研華公司推出最新AI邊緣運算系統與伺服器系列產品,整合AI軟體和預先訓練的模型,將能大幅縮短開發與部署時間。(souce:研華)
圖二 : 研華公司推出最新AI邊緣運算系統與伺服器系列產品,整合AI軟體和預先訓練的模型,將能大幅縮短開發與部署時間。(souce:研華)

目前在產業所使用的AI-based檢測設備,已能透過深度學習(Deep learning)模型提升比傳統型檢測設備還高的良率,將在下半年逐漸成長;導入AI技術的AMR/AGV配送機器人,更廣泛應用在物流場域,未來在成功案例不斷獲得複製之下,預估明、後年將進入邊緣AI的高速成長期,研華已在IPC客戶端看見各種應用百花齊放。


但此類產品欲走向AI化,在硬體規格化、AI模型的部署與管理,以及能夠驅動邊緣AI運作的高強度運算力方面,仍存在須克服的難題。其中,相較於目前消費市場上AI PC裝置約達到40TP以上算力,IPC AI化則至少須1200TP,還應考慮使用算力的規模、情境和方向不同,可能比起前者多出上萬倍;並持續創造出過去IPC未曾接觸到的不同場景、領域,如工業用有持續自動化、省人力需求。


且基於Edge AI伺服器須因應防水、防塵不同環境等級挑戰,不像在Data Center的環境較單純,必須克服如下挑戰:硬體規格選擇、AI模型大量部署管理的需求,有必要更新時系統不能停機。邊緣生成式AI比起雲端須提供更即時的反應、更低的資安風險及網路傳輸成本,更適用於需要即時反應的智慧城市與安全控制應用,並已成功導入運用在研華自家產線。


目前已經初步釋出邊緣AI產品,並應用NVIDIA方案的全系列產業AI平台,分別從邊緣到雲端展示最新且完整的AI邊緣運算系統與伺服器,整合AI軟體和預先訓練的模型,將能大幅縮短開發與部署時間。


偕同偲倢打造了AI光學字元辨識(OCR)與AI光學瑕疵檢測(AOI)等硬軟體與服務的整合方案,適用安裝於空間限制的設備中;或於高速流水產線上,執行高速包裝噴印檢查或是出貨檢查。


此AI OCR解決方案使用研華ICAM-520智能相機,並內建NVIDIA Jetson運算模組,整合光源、鏡頭與多種語言模型,並以其輕巧體積且便利安裝之特性,適用安裝於空間限制的設備中,或於高速流水產線上,執行高速包裝噴印檢查或是出貨檢查。


可應用在高速自動化檢測設備,透過AI抓出難以定義之瑕疵或非預期的瑕疵,此將大幅降低人力成本並同時提高生產良率與檢測速度,包括台灣半導體代工廠正誠電子,已導入AI AOI方案檢測,打造半導體封裝檢測生產線。


除了參與智慧城市專案,也與韓系客戶深化智慧交通合作,更持續強化人臉辨識技術能量。至於未來生成式AI導入邊緣端,將可望延展邊緣AI的功能性,如原本經過CNN形成的辨識和判斷模式,如今則可由生成式AI在邊緣統籌、分析及判斷整個場域並產出報告;農業機器人則是負責辨識農作物的成熟度與採集工業,進一步能推算成熟時間與評估種植策略。


宸曜緊隨NVIDIA腳步 垂直整合硬軟體資源

宸曜科技資深售前工程師李冠毅也預測全球邊緣AI市場潛力的驅動因子包含:IoT裝置增加,因產品製造品質提高,供應鏈管理增強需求;5G技術整合,提供更高的資料傳輸效率並減少延遲,加強邊緣AI能力;AI與機器學習的進步,經由演算法提升了邊緣AI系統的效率與能力;政府與產業支援,來自智慧城市專案與AI驅動的計劃,促進了Edge AI成長。


然而,如果要在嚴苛環境條件下部署新興領域應用考驗,邊緣運算中的電腦設計和穩定性會是關鍵。該公司於2010年成立之初,便專注打造搭載X-86晶片的寬溫無風扇系列強固電腦,以滿足各種嚴苛環境條件下使用。


適逢2013年業界開始發現機器在圖像識別上更為精準、快速,從而導入工業智動化、智慧交通,也發表自家車載無風扇寬溫電腦;加上2015年Aphgo問世後,開始思考該如何藉強化學習技術、環境,反饋自駕車定位。


並順應在2015~2016年間自駕技術興起,需要克服車上電壓、溫度、震動等問題,宸曜最終在2016年打造出首台整合自駕技術的GPU/GUDA運算的Nuvo系列工業電腦,在百度阿波羅自駕車技術平台上擔任AI大腦;且具備專利散熱技術,可支援250W GPU Card運行。


至今,宸曜的Edge AI產品線越發完整,到了2020年正式加入NVIDIA合作夥伴網路,而能提早參與前期討論和測試驗證階段、更快推出邊緣運算平台產品,並利用生成式AI來刺激應用創新,帶動軟硬體新商機。


同時推出世界首款兼具工業電腦和車載應用設計、支援雙GPU的AI電腦,甚至因應目前各國皆看好Edge AI在製造業的發展,占比約3~4成,尤其是在製程中對品質要求越來越高,而須加強供應鏈管理,如AOI+AMR需求的功能。



圖三 : 目前任何LLMs的創新突破,都有賴於巨量資料累積與龐雜強大的神經網路,加以訓練,也讓AIoT貼近感測器,更快速做出最好決策、同時確保資安。(攝影:陳念舜)
圖三 : 目前任何LLMs的創新突破,都有賴於巨量資料累積與龐雜強大的神經網路,加以訓練,也讓AIoT貼近感測器,更快速做出最好決策、同時確保資安。(攝影:陳念舜)

適逢2023年Chat GPT問世,包含智慧城市、物流與運輸、工業製造、農業、零售、食品加工業等,也盼藉此提高生產力,對Edge Computing裝置、Data Center AI Platform硬軟體需求大增,從雲端到邊緣重新思考AI所面臨的挑戰,須支援多種擴充以滿足嚴苛環境,效能又不打折,


宸耀也成為受NVIDIA肯定的Edge Computing供應商,鎖定垂直市場、強固型產品設計,容易部署等優點,提供最優效能功耗比。透過無風扇/平頭哥等強固散熱良好的設計、有效散熱的PCBA,具備-25~70℃寬溫適應能力,確保GPU/CPU運行100%效能時不會降頻;衝擊和震動專利設計,可調節GPU固定支架和阻尼減震支架;滿足工業及車載環境的8V to 48V寬電壓輸入設計,可承受車載環境電壓波動;支援多種GPU(RTX、Quadro、Tesla、Jetson)及彈性擴充介面,符合IP66防水及防塵、防鹽規範,滿足客戶端預算的需求。


李冠毅認為,其實任何LLMs的創新突破,都有賴於巨量資料累積與龐雜強大的神經網路,加以訓練,布署到從雲端到地端服務應用。另有業者會希望,將之布署到更接近邊緣場域,藉以攤提節省硬體成本、更快Fine tune訓練模型,也讓AIoT貼近感測器,更快速做出最好決策、同時確保資安。


生成式AI當道 非監督式學習成主流

肯定資訊工程部經理曹志宇進一步表示,該公司身為專業機器視覺設備Zebra代理商,產品包括相機鏡頭、光源、系統等,與宸曜合作多年來,協助解決客戶在電腦處理、高速存取資訊等相關課題。隨著Zebra在2~3年前併購AI軟硬體公司Matrox及其圖像資料庫之後,納入旗下Zebra Aurora軟體產品,打造Code-based開發環境,並經由Aurora image library SDK提供完整的影像開發環境,依序進入影像前處理等工作流程,包括可行性評估、原型設計,配合使用者開發API部署到電腦,具備互動式、直觀便利的使用環境,加速評估使用流程;進而監控各API執行時間、次數等效能,建立4大Deep learning功能模組。



圖四 : 肯定資訊工程部經理曹志宇(攝影:陳念舜)
圖四 : 肯定資訊工程部經理曹志宇(攝影:陳念舜)

其中前3項屬於進行監督訓練者,包含:Image classification用來識別影像並分類,使用預期類別的樣本影像;Image segmentation用來搜尋特徵(缺陷),並針對影像鄰域像素分類、標記影像中的特徵,使用其分段預期特徵樣本;Object detection用於尋找和計數物體,同樣針對影像鄰域定位預訓練物件或特徵類別、提供偵測分數,並將影像中的物件或特徵包圍在產出的邊界框中,使用其封閉的預期物件樣本來進行。


Anomaly detection則屬於非監督式學習,用來檢測與正常影像間差異,可捕獲如影像或其鄰域分類為缺陷等異常,並指示影像中的異常情況,僅使用無異常圖像訓練,所以毋須標註或註釋,減少用來標註的大量人力;僅標示發現的異常狀況和粗略位置;可設定分數閾值來控制偵測靈敏度,利用(integrated)GPU來進行卸載或加速。


進而投入發展Zebra AI OCR技術,不必指定或學習字體即可讀取,分別支援拉丁字元、數字、標點符號,可處理印刷、雕刻或浮雕的點狀或實心文本;提供字串模型和限制以提高穩健性和相關性。因此,不必擔心數以百計的化妝品的透明玻璃瓶,和不同反光及曲度、包裝標籤字元太小。


形塑機器視覺生態系 為應用服務加值

隨著近年來AI技術擴大規模落地,已逐步滲入AOI、機器視覺應用領域。因為受惠於NIVIDIA執行長黃仁勳點將而聲名大噪的所羅門公司,則從早期代理FA工廠自動化設備、工業機器人等產品,再投入開發3D視覺影像辨識平台已默默耕耘許久。


面對傳統視覺系統具有許多環境上的限制,像是環境光線光影一變化可能會影響,或者物件複雜度高,辨識率就會下降等,都是工廠實際上會面臨的考驗,已在近年來導入AI技術後取得飛速進步,如過去AOI光學檢測設備往往造成過殺(overkill)的問題,在導入AI之後,總算可以解決,但新的課題也隨之而生。


所羅門公司董事長陳政隆便舉例,過去他常遇到客戶想要導入AI視覺或3D視覺進行AI檢監測應用時都會問一個問題,就是:「到底要收集多少圖片才能產生出AI模型?」一旦我們回覆至少需要1,000張圖片以上,收集成千上萬筆資料,並需要大量人力去貼標籤、訓練,客戶聽完之後就不太想做。


因此,所羅門團隊當時便思考如何去創造一個軟體平台,讓客戶以最少量的樣本去做客製化的AI模型,以提高客戶導入的意願,解決客戶不便之處。陳政隆說:「要做到這樣的程度,我們必須串聯與整合大量的硬體!」


如今所羅門建立的平台不只已經串聯20~30個不同品牌機器人,還包括3~4種不同的2D、3D影像格式、各家品牌IP CAM等。並將現有的開源神經網路模型進行優化,整合各種軟硬體,降低客戶訓練AI模型訓練成本過高的問題。


甚至因為半導體客戶良率高達99%,還會建議利用「瑕疵」來訓練AI,即透過生成式AI去生成看樣本起來像真的瑕疵的資料讓AI學習。讓客戶甚至不需要寫程式,只要以no code/low code方式就能創建自己所需要的應用模式來滿足客戶需求,也能讓所羅門的軟體能快速切入不同行業別市場。


相關文章
當生成式AI遇上機器視覺
生成式AI 整合機器視覺檢測的崛起
AOI聚焦多元應用場景
生成式AI助功率密集的計算應用進化
AI賦能智慧製造轉型
comments powered by Disqus
  相關新聞
» 台達名列台灣前十大國際品牌 連14年入選台灣最佳國際品牌 品牌價值年增9%創新高
» 台達電子公佈一百一十三年十一月份營收 單月合併營收新台幣366.47億元
» PTC 與微軟和Volkswagen集團合作開發生成式Codebeamer AI Copilot
» 綠建築智慧化淨零轉型 合庫金控導入節電措施見成效
» igus回收自行車:展開全球巡迴之旅
  相關產品
» 安勤推出搭載NVIDIA Jetson平台邊緣AI方案新系列
» 台達全新溫度控制器 DTDM系列實現導體加工精準控溫
» 西門子推出下一代AI增強型電子系統設計軟體 提升使用者體驗
» 宜鼎E1.S固態硬碟因應邊緣伺服器應用 補足邊緣AI市場斷層
» SKF與DMG MORI合作開發SKF INSIGHT超精密軸承系統


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 / E-Mail: webmaster@hope.com.tw