AOI 檢測的 AI 化與雲端化

本文於智慧自動化產業期刊2021年9月號刊出

 

作者: 李明達 老師

 

AOI 檢測的 AI 化與雲端化.png

 

摘要: 傳統自動光學檢測 (AOI) 的精確度已遭遇瓶頸,漏殺率 (Under Kill) 及過殺率  (Over Kill) 過高,導入 AI 技術可以大幅降低漏殺率及過殺率到十分之一以下。 遇到需要零漏殺率的應用,通常會使用兩個不同的 AI 演算法搭配分析,來確保零漏殺率。 如果遇到需要高速檢測的應用,需要導入私有雲運算 (Private Cloud Computing) 的技術,分散運算量,增加 AI AOI 的檢測速度。

 

 

過去您僅有的選擇

 

採人工目視、放大鏡、顯微鏡進行產品檢測,但是人眼辨識能力有限,且易產生視覺疲勞。作業員主觀認定瑕疵,差異性高,誤判機率高,下午的誤判率是上午的兩倍以上。必須耗費大量人力、時間、管理與金錢成本。部分生產線因此開始導入傳統自動光學檢測 (AOI) ,但是卻遇到漏殺率 (Under Kill) 及過殺率 (Over Kill) 過高的問題。

 

 

傳統自動光學檢測 (AOI) 現況瓶頸

 

除了誤判率過高之外,攝影機像素越來越高,檢測速度要求越來越快,部分檢測項目需求由平面 2D 提升至立體 3D,需耗費更多運算資源,單機運算 CPU  已不堪負荷。針對檢測結果,尚無大數據儲存及分析解決方案。

 

 

人工智慧自動光學檢測 (AI AOI)

 

AI AOI  先使用傳統演算法做初步的分析,再採用人工智慧演算法做智能降點的動作,降低誤判率。如果遇到要求零漏殺率的應用,可採用第二種人工智慧演算法再作一次智能降點,確保沒有漏殺發生。瑕疵 (defect )部位支援「多點指示」,可同時偵測多個瑕疵物件位置 (Object Detection) 部位,效益加倍!

 

 

AI 演算法

 

大部分使用 YOLOv4 ,有些使用 VGG16+SSD512 ,部分使用 U-Net ,單一 GPU 在 FP32 的模式下,每秒可以分析 30 張以上 512 x 512 的彩色影像 (30 fps) 。現在 AI 演算法的正確率都很高,都可以超越人類作業員的水準。如果做出來的結果不理想,大部分經過AI顧問服務調整都可以大幅提升正確率。

 

AI 演算法網址: https://tw.leaderg.com/article/index?sn=10982

 

AI 顧問服務網址: https://tw.leaderg.com/article/index?sn=9246

 

 

即時精密控制技術及 on the fly 影像擷取技術

 

針對高速檢測應用,例如:晶圓檢測,每秒需拍攝並檢測一百張以上的影像,此時必須導入即時精密控制技術,確保拍攝晶粒 (die) 的位置沒有偏差。另外,需使用on the fly 影像擷取技術,在鏡頭移動中取像,節省拍攝時間,檢測速度(UPH)大躍進!

 

 

私有雲運算 (Private Cloud Computing)

 

由於大部分客戶的影像都須保密,廠內通常沒有對外網路,因此不適合使用公有雲運算。 AI 演算法所需的運算資源比傳統演算法高很多,如果遇到需要高速檢測的應用,需要導入私有雲運算 (Private Cloud Computing) 的技術,增加運算資源,提高 AI AOI 的檢測速度。當單一 AI 電腦無法達到所需的分析速度時,可以加上另一台AI 電腦,透過網路分散運算量。如果速度還不夠,可以再加多台AI 電腦。

 

 

AI 電腦

 

大部分的成本來自於 GPU ,視需要可以搭配以下規格:

NVIDIA RTX-A6000-48G (48 GB ECC 記憶體, 10752 CUDA 核心) 最多可支援四張

NVIDIA RTX-A5000-24G (24 GB ECC 記憶體, 8192 CUDA 核心) 最多可支援四張

NVIDIA RTX-A4000-16G (16 GB ECC 記憶體, 6144 CUDA 核心) 最多可支援七張

NVIDIA RTX-3090-24G (24 GB 記憶體, 10496 CUDA 核心) 最多可支援兩張

NVIDIA RTX-3080TI-12G (12 GB 記憶體, 10240 CUDA 核心) 最多可支援兩張

NVIDIA RTX-3080-10G (10 GB 記憶體, 8704 CUDA 核心) 最多可支援兩張

NVIDIA RTX-3060-12G (12 GB 記憶體, 3584 CUDA 核心) 最多可支援兩張

 

詳細規格網址: https://tw.leaderg.com/article/index?sn=11111

 

記憶體容量的多寡代表可執行的AI模型複雜度高低,配備 ECC 記憶體代表系統穩定性較高,CUDA 核心的多寡代表 GPU 運算的速度高低,張數的多寡代表橫向擴充運算能力的高低。

 

客戶端作業系統由於需搭配現有 ERP 、 MES 等系統,因此以 Windows 為主。視客戶需求整合 AI 訓練程式、 AI 推論程式、資料庫、NAS、Web API 等功能。

 

 

大數據 (Big Data)

 

AI AOI 大數據分為原始影像 (raw image) 及分析結果兩種資料。原始影像通常使用 NAS 儲存,分析結果通常使用資料庫儲存。資料保存期間為一年到三年之間,視客戶需求而定。

大數據分析演算法

以 XGBoost 演算法為主。如果資料量超過1萬筆,可以改用 LightGBM 或 Gradient-Boosting 測試看看是否可以提升正確率。

 

 

資料視覺化

 

針對製程、品管工程師,以及主管們,提供網頁分析介面,將資料視覺化,並可即時分析產品歷史良率變化,幫助找出生產線問題癥結!

 

 

VPU 用精度換速度,不適合AI AOI 應用

 

有些廠商在推廣使用較便宜的 VPU 取代 GPU ,但是 AI 演算法為了提高正確率,採用 FP32 浮點數運算,由於VPU 採用精度較低的 FP16 或 INT8 ,運作方式都是用降低精度換取提升速度,因此不適合需要高正確率的 AI AOI 應用。

 

 

AI AOI 專案的成敗

 

錢!錢!錢!很重要,所以說三遍!AI AOI 專案成功的關鍵在於「 ROI 回本效益評估」:如何賺錢?如何省錢?的商業模式是成敗關鍵。AI 技術漸趨成熟,現在都在做落地應用。跟同業學習,實績很重要。一般來說,做外銷的中大型企業導入 AI 比例高,特別是蘋果供應鏈最積極。其他企業有錢且願意出大錢的比例偏低。一般來說, ROI 半年可回本的,大部分企業都願意做。大型製造業的 ROI 最多一年半,半導體業的 ROI 可以到三年。

 

 

產業應用案例與效益分析

 

以下列舉部分客戶實績供大家參考:

半導體業:零漏失,節省70%人工

面板業:降低過殺率到十分之一,節省70%人工

封測業前段:之前每年都會發生換線爆大量, AI AOI 上線後每年省一億

封測業後段:零漏失,節省70%人工

電子業:零漏失,節省50%人工

石化業:零漏失,節省50%人工

醫療院所:零漏失,節省50%人工

 

 

人員擔心被 AI AOI 取代

 

五年前幫客戶導入 AI AOI ,作業員抗拒,擔心失業被 AI 取代,甚至有破壞機台的情況發生。但是上線半年後,作業員發現 AI AOI 做得又快又好又不傷眼睛,現在反而非常依賴機台。

 

 

其他 AI 應用

 

除了產品瑕疵檢測外, AI 亦可用於監視器影像分析,利用 motion jpeg 或 RTSP stream 在廠房內進行「路倒偵測」,在人員意外發生時,第一時間發現並搶救。 無塵室客戶使用 human pose 演算法進行作業員動作分析,分析是否有依規定清潔無塵服。 傳統人流計數採用光電感測器,易有誤判。 AI 可以截取攝影機影像,精確計算進出人數。 採用 XGBoost 演算法可以進行製程分析、庫存預測、銷售預測、維護保養分析、甚至股價預測,都有很高的正確率。

 

 

AI AOI 自動光學檢測設備參考網址:https://tw.leaderg.com/article/index?sn=10528

 

人工智慧技術文章: https://tw.leaderg.com/dir/index?sn=11114

 

人工智慧臉書粉絲頁: https://www.facebook.com/leadergtw/

 

人工智慧 YouTube 影音頻道: https://www.youtube.com/channel/UCoPZ3AYaeJymUQtnF0JxbmQ

 

聯絡我們及購買方式


請參閱以下網址:

https://tw.leaderg.com/article/index?sn=11056

延伸閱讀

1.
LEADERG AOI 自動光學檢測設備

2.
App4AI 快速人工智慧開發工具 Linux 版

3.
App4AI 快速人工智慧開發工具 Windows 版

4.
LEADERG W-22 中階人工智慧工作站

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、中山大學、暨南大學、嘉義大學、宜蘭大學、聯合大學、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、大同大學、中原大學、東吳大學、臺科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、明新科大、南臺科大、亞東科大、中國科大、體育大學、國防大學、海軍軍官學校、陸軍專科學校、羅東高中、鼓山高中、臺大醫院、成大醫院、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、亞東醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞 動研究所、紡織研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑石化、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、光紅建聖、鴻海、大聯大、世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、英特盛、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智慧、凸版蓋特資訊、遠傳電信、精誠軟體服務等。