本語音分兩次整理文字稿，本文從開始整理至6’52”

上周談到的是自動。一如之前我說的人工智慧，要知道它有多聰明，一種看下棋，另外從自動來看。我將自動分成四類，分別是感應的自動、自學的自動、自主的自動及自覺的自動。

這四種自動，上周提到，我的另外一個團隊，結合藝術創作，做了一些AI的藝術，就把這四種自動融合在裡面。歡迎各位到我們的網站 arttech.ai。從網站名稱可以了解，是要 AI 做成一種藝術科技，透過這些藝術科技讓我們創作一些過去所做不到的視覺藝術作品。歡迎各位隨時上網，給我們留言，告訴我們有些什麼想法。

延續自動這個話題往下討論，因為自動也是企業界最關注的事。分享最近做的一個計畫，用到的題目叫做「AOI 自動光學檢測」，其中第一個A就是指「自動」。

在傳統的 PCB 印刷電路板領域，自動光學檢測 AOI 已經被使用很久。PCB本身有很多電路、電子元件，透過自動檢測，在最後一關品管 QC，剔除有瑕疵的 PCB，維持產品的品質。這種 AOI 的概念已經用了很久，不過要運用到其它行業相對還是難一點。

近年來，因為人工智慧電腦視覺技術的大幅成長，這種自動光學檢測 AOI 的能力開始在很多行業試著使用，實際上用得也挺不錯。

AOI在塑膠射出成型的應用

這個專案是一家做塑膠射出成型的廠商，他的客戶是日本客戶，對品質要求非常高。面對塑膠射出成型的產品，第一是產量很大，第二是射出過程，假如有拉絲或缺料，或包括有一些斑點、黑點等等，只要有任何一點瑕疵就不能接受，所以就需要請很多檢測人員，確保每一個產品出去時都不能有小瑕疵，否則到了日本會整個被退貨，且可能喪失對品質極端要求的日本客戶。

這家企業過去的做法是請檢測人員，針對每一個射出成型產品都用人眼去看；假如產品量不多，這麼做還可行。但是，面對一個高產量的產品，每一個人幾乎花幾秒鐘就要完成一個檢測。這種以人為主，坐著或站著在一秒鐘或幾秒鐘要完成一個檢測，是一件令人疲累的事，所以誤判就會比較高；同時，一個人工作時間久，自然而然，產能就會衰退。

此外，訓練新手做檢測也需要一點時間，因此，是否有機會用 AOI 的方式，加上新一代的人工智慧的技術；也就是運用人工智慧的視覺能力，幫忙檢測出產品裡面的瑕疵，比如剛剛提到的拉絲或小輕微的缺料，還是有那種黑斑、黑點，甚至封包的問題？

挑戰一：AI視覺模型訓練

這個計畫最大的挑戰，就是建立AI 視覺的模型，來找出上述所說的瑕疵。AI最重要就是要有 data，在足夠的 data 訓練之後，AI 的辨識正確率可以非常的高，但是辨識正確率很高，並不是這樣就代表專案結束。

挑戰二：AI辨識結合自動化設計

相較於PCB，傳統產業的 AOI 挑戰還有一個問題，就是自動化。

因為產品是圓形，所以要檢測到每個維度。像人拿著產品，手很快轉一圈，視覺可以很快的看。用電腦視覺加上人工智慧去看這樣的產品，要快速旋轉一圈，需要一個很快的機制，這不再純粹只有 AI 的辨識問題，而是要跟自動化結合。在設計來講，需要一個治具，才可以快速的旋轉，幫助鏡頭取像。

另外，還需要一個進料跟出料的自動化機構，否則用人工搬來搬去，並沒有節省人力；所以，必須設計出一個可以自動上料跟下料的機構。這個機構是一個三軸的機器臂。

整個運行大概10秒可以完成一個全自動的產品檢測，從拿到產品，放到治具上，快速旋轉一圈，再經過 AOI 辨識，分辨好的及不好的產品，再由機器臂移到正確的位置上去。

和人工作業相比，自動化檢測還是慢了一兩秒，不過最大好處是檢測品質是穩定的。因為人的眼睛會疲勞，自動化檢測是穩定的，品質是一致的。再來就是自動化檢測不會累，而且可以24小時執行。（本文未完）

歡迎提出您對 AI 看法和問題，我們將會陸續整理，並請周老師在節目中為您解答！

附註

◆ 《AI思維》書籍介紹 (本書榮獲110年度金書獎 - 優良中小企業出版品)

◆ 《AI微醺》Apple Podcast 隨時聽 

◆ 《AI微醺》Google Podcast 隨時聽