YouTube影片
訪談重點文字稿：
Rich:影像辨識做瑕疵檢視用在智慧製造是很紅的應用。 今天我們請到慧穩科技。 的共同創辦人陳逸華，來跟大家聊聊。 我跟Eagle陳逸華認識兩年多。 當年我在人工智慧學校經理人班第二期講課認識了他，他是臺灣人工智慧學校經理人班第二期的學員，後來更加入了我成立了的中華亞太智慧物聯發展協會。慧穩科技有非常棒的影像辨識的技術，所以這次我就決定請到了Eagle來跟大家談談如何使用AI影像辨識來做瑕疵檢視。 以及如何應用在工廠中 達到強化效率。 Eagle來跟大家打聲招呼吧，
Eagle：大家好，我是Eagle。
Rich：在講到影像辨識現在大家越來越熟悉，各類應用生活中到處都有。 首先，我們請Eagle來跟大家談談。 AI影像辨識的應用有哪些呢？
Eagle： 那我想謝謝這個Rich。先介紹我來這邊跟大家做一些這個經驗上的分享喔。那其實我們一般談到AI的應用，其實相當多元哦，那大家一般會聽到的就是說像是在NLP自然語言或者是一些音訊處理上面都會用得到這種這種AI的一些應用的部分。 影像辨識其實是AI的其中的一個領域，那對比其他的這個領域上面。其實影像辨識的發展其實算是相當成熟啦，在這一部分，那我們一般這個影像辨識的應用領域，就是我們所看到一些應用場景，大部分很多其實都在我們生活周遭裡面，其實都會有。
那舉一個一些比較簡單容易理解，例子像是人臉辨識、或是車牌辨識的部分，這樣人臉辨識可能就是會用在一般的這種門禁或是這種車牌辨識，就是我們這個一般去外面停這個停車場，現在大部分以前都是拿卡，大部分都是拿卡的場域，然後拿他的卡以後要離開的時候再拿卡去這個讀卡繳費金額去做繳費的動作，那現在其實都變成是這個影像去截取這個車牌來做這個車牌辨識，就不用再去拿卡進出，其實都會變得快速。那再舉一個比較大家可以理解例子，像是像是在車用領域上面，應該是說現在發展到一定程度：自動駕駛輔助系統，其實就有這個影像識別的的成分在裡面，去針對前方的人車啊去偵測，然後還是或者是說我的這個這個車道線偏移或者是怎麼樣，去做一個自動駕駛的一個依據。 在工業上面我們常常會比較接觸到的會是這個影像辨識。這位製造裡面他提到的這個自動光學檢測的部分，針對這個工廠端的一些生產線上面的產品的品質去做去做管控。或者是說像智慧工廠裡面欸這位工廠裡面其實在廠務端去針對這個。 這個危險區域上面呢的施工人員，他身上的一些防具服防護具，或者是他本身的一些身體上面。這個人員，他在現場的一個健康狀態，那去用影像去監控說，他有沒有符合工地的施工的一個安全規範等等。這些應用其實是其實是越來越多，那除了除了在這位工廠，就是在智慧製造這邊，他去做一個瑕疵檢測以外哦，那也有很多應用是應用在這個，譬如說排版哦，譬如說紡織業，它可能針對他去裁切的部分，他用這樣的的一個瑕疵辨識去避開這些有瑕疵的區域。 去達到後端剪裁等等的一個一個應用的部分哦。所以，所以其實影像辨識它的應用的領域範圍其實相當的廣哦，那包含了我們最近大家會提到很熱門的這個元宇宙哦，這個元宇宙的股票都漲翻天哦，這樣那那其中哦，裡面其實就有影像的影像，這個辨識或是處理的這個元素在這個裡面哦哦。 去達到一個相當多的一個應用場域。
Rich：謝謝Eagle跟我們講到各種影像的應用，那當然對我們來講，我們今天邀請Eagle代表慧穩過來。哦，那慧穩在影像辨識上有那麼多年的經驗啊。慧穩對影像辨識的了解，是非常的深刻的。請Eagle來介紹慧穩在AI影像辨識的經歷，還有慧穩在這方面的實力。
Eagle：慧穩的主要業務是把這個AI作為一個技術核心，去導入應用在視覺影像的這個應用的領域裡面哦，那我們主要針對的就是這個智慧製造跟智慧工廠這兩個領域這兩個領域上面哦，那製造主要是針對的是生產線的瑕疵檢測，去對他的品質去做一個管控，是一個篩選動作。 那避免說讓一些不良品那流到外面去，那同時之間也讓這個工廠的一些能力可以得到一些更加靈活的應用，那智慧工廠的部分呢，那我們主要就會剛剛所提到的，像是這個工地。 工地的這個安全規範的的政策，監控在這一部分，這一部分其實是比較偏向一個廠務的的應用的部分，那像是我們過去的一些案例。那我們剛剛有提到這個智慧製造上面上面我們其實是是就是所謂的自動光學檢測，把它跟AI結合在一起，那像是過去的一些案例，譬如說高爾夫球的瑕疵檢測，然後還有包含這個。 資料的這個紡織哦布料的瑕疵檢測的，這個都是我們過去的一個業務範圍，那在近期在近期之內，我們針對像是這個廠務的部分啊，有這種個人防護具的監控，譬如說像半導體廠他的槽車區，它輸送這個這個危險液體，或者是危險氣體裡面。他在施工的時候，他其實是需要做一些個人防務的哦，那以避免說這個槽車這邊液體濺出來什麼造成人的 生命安全哦，在這一部分，那我們也是有透過這APP可以去做這方面的這方面的監控哦。那另外在這兩年，我們接觸到比較特殊的領域哦，像是非破壞性檢測喔，非破壞性檢測，他透過。 透過這個啊的射線去做的取向，那過去傳統都是用這種數位，應該說過去都是用這種類比底片是去作為一個儲存媒介，那現在呢？現在就透過數位化轉社會化的過程哦，大家說化成這個電子檔資料的時候，我們可以運用這個AI的技術哦去對它上面取這個。焊縫裡面的這個瑕疵的部分喔，我們去做檢測的動作。 有點類似，像是智慧醫療哦對這個底片。 數位底片去做這個病理政策的，一個這樣的一個概念那所以所以過去到現在，其實我們大部分都是以這個AI專案為主要的一個核心，然後再搭配廠務上面的一些的技術應用為輔，這樣子去一路發展，那早期慧穩就是車用影像這一塊，因為所需要投入的資源其實比較多，那規模還尚小，所以到中間就轉型成這個工業的視覺影像的應用，在這個上面。
Rich：你們在過去有很不錯的表現，專注在工廠端協助企業做數位轉型，可不可以請Eagle多談談，這方面你是怎麼協助企業做數位轉型的呢？有什麼特別的例子可以跟大家分享的呢？
Eagle：我們協助這個企業在影像的應用上面去做這個數位轉型的部分哦。 大部分我們都是透過跟客戶了解他們需求，然後再透過這些需求過程裡面去了解他們生產上面的一些細節部分，那搭配他們這個生產線上面的條件，譬如說他生產線上面生產的速度，然後呢？搭配它這個它所需要的檢測的這個瑕疵的進度等等，我們去做一個整體的一個規劃動作，這個規劃動作包含從資料的取得，然後資料的清洗，然後去針對他的物件識別的定義來做整體的一個規劃動作，所以那通常會以幾個方向去作為依據，譬如說的出貨的一個不良率，或者是這個從他的一些這樣的物料的浪費，以及把這個能力可以做到最大的靈活化這幾個方向吼去提供給客戶所謂的數位轉型。 如果是數位化的，一個依據的部分應該是說。 跟客戶的交流當中，我們提供從他的需求面，然後去衍生到他其他的層面上面，例如說，我們知道他要去檢測什麼樣的瑕疵，然後再去透過這些的部分去建議他可以怎麼去做這樣的一個資料定義，或者是瑕疵檢測出來後續的一些動作喔，他可以去怎麼去做這部分，那再加上一些軟體系統。生產管理的系統上面讓他去瞭解說，過去我的瑕疵形成的時候大概比例有多少，這個這個設備的設備的維護，或者是設備生產上面有一些參數可能跑掉了，去做一些這樣的一個調整的動作，就是我們在協助工廠數位轉型的時候，比較會去思考的一些依據的動作。
Rich：能不能再談更細一點，然後。 你們做了些什麼樣的東西？他們的效果如何？我們講，所以轉型一個很重要的一件事情是他們要有一定的成效哦，那我知道你們在POC(Proof of Concept)做了很多的事情，多跟大家談一下就知道說為什麼你們在這方面有那麼好的表現？
Eagle：那我們一般就是跟客戶在做。呃，剛才有提到。就是慧穩科技其實是一個專案型的公司啦。那這個在我們每一次跟客戶對談，就是討論的這個專案的部分。前面其實其實會有一段的POC過程，那為什麼要去做這POC過程哦？因為AI其實對於現在的製造業來說，其實他有蠻多的一些不確定性，那客戶在這些不確定性裡面，他不知道說她不知道說欸我要來導入這個AI的過程裡面，我到底風險有多大，那實際上這些影像的應用。 在我的生產線上面到底可不可以做到？如果客戶所想像說，他是真的是可以做到一個確實檢測的一個動作，所以通常我們在在正式開案之前，會跟客戶先來做一段的POC測試，那請客戶這邊提供一些瑕疵樣本或者是副樣本在這個上面，那另外的話就是或者是我們提供的這個取像等設備，讓他們去對他們的瑕疵品可以去做一個取像的動作哦，那通常是在POC階段哦，就是以這個少量的資料的這個程度上面我們來去做看他有沒有一個AI的效果，就是AI識別的一個效果，那大部分的瑕疵檢測，大部分都是以物件的識別為一個主要方向，所以當我有效果的時候，那這時候就會跟客戶去討論說好那這樣的效果。在未來的資料取像上面跟分析上面會拿往哪一個方向去做前進，這邊去定義了以後，譬如說我現在看到了資料取像上面可能會有什麼樣的問題哦，某一些的瑕疵，某一些的物件，他其實呈現的可能並不是很清楚，因為畢竟影像辨識這件事情，它其實是有很多的前提存在的喔，這些包含的是你影像的解析度是否清晰。 是不是清晰那他在打光的時候，它的光源是不是有遮蓋到我們所要辨識的一個物件的程度上面，那所以當我這些條件達成的時候，我可能影像辨識上面，再加上足夠的資料量，它辨識程度才會好，其實都會在POC的部分跟客戶去做一個充分討論，把這個方向釐清出來哦，那後續才會有一個比較好的一個成效。 那譬如說高爾夫球的瑕疵檢測，這個是我們公司比較著名的比較大型的一個專案，他是從我們一開始的機構的設計包含了自動化，然後到整個的軟體系統。
還有一個AI的部分，整個的具體客戶去做一個服務，就是在做這個案子之前呢，我們就有針對他所有的瑕疵類別，我們應該要怎麼去做資料上面的一些定義，譬如說26項瑕疵，他可以某一項某一些瑕疵，他可能不是視覺影像，可以去處理的；那有一些他可能是非常相像的，他可能必須要歸類在同一類哦，那在這部分上面喔，其實是也是要去跟客戶去做一些做一些溝通，那我們在導入之前哦。客戶大部分都是一個團隊，他是一個團隊喔，他的球出來的時候。每次球生產完的時候，我再去看這個，有沒有這樣的一個瑕疵存在，雙手其實拿很多顆球，至少有十來顆，這樣子球去看吶看其實很容易，就是會有肉檢的瑕疵球去留出去，到外面那導入這個AI了以後，他們只需要去針對比較重大不良的瑕疵去做確認。
譬如說有一些瑕疵，其實在某一些的情況上面，比如說球的斜面上面，其實是不太容易去被辨認出來的，這個時候他可能對我們的系統裡面，我們就會去做一個就是灰色地帶，他是承認他可能是瑕疵，也只能它可能不是瑕疵的一個狀況，他去做識別，去做類別的分類動作，那他只需要去看這些灰色地帶的球的部分，所以他的人力上面， 在這個QC檢測上面的人力，相對的就會被減少，那減少以後他多出來的時間，他就可以被妥善分配到其他的部分，其他的工作上面去，去做一個靈活的調度。檢測率，就是人力上面的一個檢測率，用人工看的話大概介於90到95％之間哦，那我們導入了這個AI的部分，我們其實在檢測的效率上面其實是可以達到98％以上的一個這樣程度。 差不多是這樣子，那像是其他的，像是布料檢測的部分也同樣哦，他通常一個一卷的布料，如果出去到客戶那邊餓到客戶那邊，只要被客戶發現有一定數量的瑕疵的時候，他其實是整批退回來，那整批退回來並不是說我把那些瑕疵的地方剪裁剪裁再送去給客戶就可以，他退回來就是直接報廢，整卷都報廢。對這個布料廠來講，他可能就是一個物料浪費的一個狀況。甚至是說就是有產生這個產品不良率被提高，那物料又被浪費的情況，他也沒辦法拿出來。所以呢，我們就是也是一樣導入這樣的一個AI的影像辨識瑕疵辨識的部分哦，那他去可以達到一個比較高的一個檢測檢測率，在這個上面，那過去請教過這些布料廠哦，他們的瑕疵的檢測的部分大概也是介於大概在95%左右，那通過這個AI瑕疵檢測的部分，我是把它提升到99%。那有一些他沒有辦法叫細微的一些瑕疵的部分哦。 這可能是需要透過一些燈源啊加強啊，或者是呃一一些比較立體的，非常不明顯，可以忽略掉的一個瑕疵的部分，其實我們就可以可能會在這個1%之內，所以他們在檢測的時候，他們從生產端。 去做這個AI瑕疵，利用AI加上AOI這樣的一個成分，去檢測完了以後再到檢台上面，因為他們還會再過一次人工檢的部分，他就可以快速地去看有被檢出來被標記的地方，是不是屬於真的瑕疵，然後去做後續的裁切動作，他不用每一寸每一公分的布料都去看這樣的一個狀況，所以其實呃，應該是說這樣的便是在很多的這個生產端上面，那其實它縮短了人在處理瑕疵這件事情。應該說人在處理不良品的過失或者是漏判哦這兩件事情上面，去抵消他的這樣的一個負面狀態。
Rich：剛剛Eagle分享非常好，因為要看這樣的瑕疵其實是很花眼力的，像紡織業，LCD業，他看眼力的人呢，過幾年就會報銷掉，可是呢，透過人工智慧，不但不讓他報銷，還大大提升它的效率，真的是令人覺得非常的好，既然會穩做的這樣，那現在有很多的新的技術，比如說像中研院發展的YOLO4或者YOLO R啊，他們不斷地在追上來，那我相信慧穩一定會有更好的，因為在在業界有很多的Proven Record的，然後呢，慢慢地往前進啊，接下來是不是請Eagle來告訴大家，未來你打算怎麼籌劃呢？因為你們也有很多很好的Proven Record了，接下來是不是有什麼樣的一個計劃往未來發展？
Eagle：剛剛其實有提到就是慧穩科技。 其實是一個專案型的公司哦，我們已經成立了大概5年多，那這這5年多，我們去就是承接了蠻多的智慧製造在或者是這位工廠的視覺應用的一個專案的部分，那但是如剛才所講，哎，其實對這些專案或是對這些業主來說，其實他有很多的不確定。 是個需要我所需要的一個資料量，或者是說，呃，AI有所謂的正循環迭代的這樣的一個特性，但是這個正循環迭代的驗證的這個時間的長短時間，其實是無法估算的，那這個是以慧穩本身的角度去看到的一些的事情或狀態，那在業界上面喔，其實，他們也碰到一些痛點，譬如說我們在在這個執行這個專案的過程裡面，其實會碰到需要有大量的時間來跟客戶去做一些溝通，因為可能因為可能客戶裡面的這些主管，或者是這些現場單位的執行者，他對於AI可能並沒有很深刻的了解。那對於有一些IT部門對於AI也其實不是很熟悉，所以應該是說客戶其他其實沒有相關的人才，可以去做一些對接動作。 那再加上剛才我們所提到的這個需要的資料量或者是驗證的時間造成客戶他其實可能會質疑AI的成效，或者是他會認為導入的成本，不管這個成本是有形和無形，其實都會是一個無法估算的一個程度，那會就是大大增加這個我們導入AI的一個困難，所以呢，經過5年多吼這個，我們這個在各個專案裡面去。 探索，去闖蕩後發現哦，有這樣的一些問題存在，所以我們其實在今年度就是去引進了這個MLOPS這樣的一個概念哦，那以去發展我們屬於我們自己慧穩的一個MLOPS的一個SaaS服務平臺哦，那我們其實是是期望可以借用這個服務平臺特性，來提供給業界去解決他的一些這個痛點。 那這個平臺其實它具有一些簡單運用的一個過程，譬如說呃，應該說簡單操作上的一些應用，可以讓客戶這個使用者這邊在做一些AI導入的時候，他不需要非常了解AI的演算法，或者是去寫一些比較艱深的code等等之類的哦，那我們都幫他建構好，他只需要透過一些操作介面。 去操作，去做一些，譬如說我要開始執行這個training裡等等的這些控制哦，去做這個AI整體的一個建置在這上面，那其實其實這個是去解決客戶本身的一些再一些相關的人才上面，那再成效跟成本上面吼我們也期望說利用這個平臺的特性啊哦，去快速的，比如說客戶，他的現場端提供的資料，他可以去聚焦在他的資料本身的本身的一個標準化，就是定義標準化，那我們可以去轉型成顧問去提供他們說，你的資料上面其實你可以怎麼去做分析，怎麼去定義這件事情，那由他們來決定他們這個譬如說瑕疵的進度或是其他資料，他要判斷他的這個面積大小多少以上才算瑕疵，或者是多少一下不算瑕疵等等的，這樣的一個標準哦去建構在這個。 利用這個平臺讓現場端他可以去操作建構這樣的一個資料庫，那我們這邊呢？ 我們這邊哦，就可以利用這個去去精進我們的演算法，然後透過這個平臺來去跟他們一起來去做一個協作，然後快速的驗證，讓他們看到這個的AI在影像上面運用的一個成效在什麼樣的地方。所以我們現在發展這個，我們本身自己是叫它是AIWin OPS，這樣的品牌是希望透過這樣的一個服務的概念，可以去加速這個客戶他導入AI的一個過程，跟抵銷他們對於AI的一些疑慮上面哦，那那未來幾年都可能會是朝這方面去前進，那同時我們可能也會想要從一個轉型專案型的公司轉換成一個服務型的公司，我們把原本專案形式的面向很廣，我可能每一個產業都接觸，但是我對於產業的產業的domain knowhow，我其實接觸並不是很深哦，未來是希望我們可以專注在某一個領域上面，譬如說水資源的處理，或者是像是非破壞性檢測。這兩塊領域上面我們去專注這上面，然後提供給相關領域的這樣的一個服務，那也期望未來是可以成為這個AI的這個品牌領導廠商啊。 在這一塊，所以我想這個是我們現在目前對未來一兩年再做規劃的事情，還有一個對於未來的展望動作
沒有留言:
張貼留言