富士康展示電腦視覺技術用於產品線產品檢測 未來目標實

沈小霖

電腦視覺判斷越來越精準，現在也廣泛的被用來進行產品線上的產品檢測，不過對於太過精細的產品，像是手機產品目前仍多仰賴人工進行。




在此次GTC 2019期間，富士康 (Foxconn)實際展示旗下將電腦視覺技術應用在產線，讓產品生產檢測更具效率，同時也能提昇產品整體生產速度的解決方案，強調整體檢驗精準度可達98%以上，同時更可讓檢測所需人力從原本400人左右精簡至2-3人即可完成。[/url]
富士康目前應用在武漢產線的人工智慧檢測系統
富士康這套檢驗系統目前主要應用在中國境內武漢生產線，主要希望改善傳統必須透過大量人力進行檢驗，同時透過人工檢驗往往在一段時間後，可能因為視覺疲勞等因素造成檢驗精度下降，反而讓產品生產良率下降。而另一方面，則自然包含人力成本、資源最佳化利用，以及提生產線效能等考量，因此希望藉由人工智慧技術導入提昇生產效率。此次在GTC 2019期間展示的解決方案主要用於產品外觀等細節檢測，富士康表示在其他生產過程其實也會有不同技術應用導入，甚至可以藉由自動化應用串接不同生產流程，讓整體產線可以實現透過少數人力管理即可全自動化運作，並且讓產線系統可依照檢測結果自動校正生產誤差情況。
而在檢測系統設計中，富士康說明依照不同檢測需求，在一般簡單外觀判斷其實使用Jetson系統效能就能實現，但在此次展示的主機殼側板檢測流程因為包含外觀瑕疵、金屬板邊緣凹折弧度是否符合要求等項目，因此採用的是Tesla T4 GPU組成系統，搭配多組鏡頭進行電腦視覺辨識，藉此實現辨識精度可達98%以上，並且超越人眼視覺所及檢視細節，讓整個檢測系統可以完成過往必須花費400人左右進行檢測的工作流程，甚至目標希望能使單次可完成800組物件檢測數量提高至1200組。在學習訓練方面，富士康會預先透過瑕疵範例圖像讓系統進行前期訓練，爾後套用在新零件的辨識學習所需時間基本上只需花費3天即可完成，同時隨著持續學習累積經驗，理論上也能讓相似零件的辨識學習時間縮減，但為了維持一定辨識精度，基本上還是會以3天學習訓練時間長度為主。
此項辨識系統除了應用在富士康武漢生產線，未來也有可能應用在其他產線，甚至可能應用在零件相對簡單、複雜度比較不高的生產零件檢測。
這樣的情況，其實也說明雖然電腦視覺等人工智慧技術應用，似乎已經可以取代部分傳統人力需求，但諸如手機等相對複雜的零件檢測，現階段可能還是會仰賴人工檢測居多，其中因素可能包含現行檢測系統辨識精度，以及整體建置成本與傳統人力成本比較。不過，依照富士康未來發展目標希望走向全自動化產線運作模式，顯然接下來也會持續藉由電腦視覺等人工智慧技術導入，讓產線運作成本能更進一步精簡。
除了富士康，其實現在已經有越來越多產線、工廠、農場都已經開始導入電腦視覺應用等人工智慧技術，例如亞馬遜很早之前就已經開始導入機器人協助揀貨、分貨，而不少現代化農場也開始透過電腦視覺技術判斷農作物良率，意味傳統單純僅以人力完成的工作，逐漸可由電腦系統取代，但在需要人腦做進一步判斷，以及更精準操作的工作方面，傳統人力依然會有其不可取代性。[url=https://mashdigi.com/wp-content/uploads/2019/03/IMG_4598.jpg]
傳統產線檢測需要透過大量人力，以肉眼方式進行檢測，但可能會有疲勞等因素影響檢測精度
[/url][size=font-size: inherit,inherit]精簡地來說，富士康此套檢測系統就是藉由多組鏡頭捕捉影像資訊，並且透過Jetson AGX或Tesla T4進行電腦視覺學習加速，讓系統能針對實際拍攝影像比對生產零件是否符合規定[url=https://mashdigi.com/wp-content/uploads/2019/03/IMG_4602.jpg]
檢測系統內部結構
[/url]預先透過瑕疵範例圖像讓系統進行深度學習[url=https://mashdigi.com/wp-content/uploads/2019/03/IMG_4604.jpg]
透過多組鏡頭進行拍攝
[/url]實際運作流程[url=https://mashdigi.com/wp-content/uploads/2019/03/IMG_4607.jpg]
通常單一零件會針對外觀塗裝瑕疵、外型凹折弧度等是否符合規範，並且透過前期學習讓系統建立基礎判斷模型
[url=https://mashdigi.com/wp-content/uploads/2019/03/IMG_4599.jpg][/url]電腦檢測系統會透過鏡頭、GPU元件協助學習加速

ask1680