精選案例

12
2020.3
【109年 應用案例】 從一顆包子窺看如何應用AI減少50%報廢率,為冷凍食品提升60%生產效能

從產線到餐桌,吃進去的衛生管理由誰把關 近幾年有關食品安全新聞報導層出不窮,如即期品改標、洪瑞珍食物中毒等事件,不難發現民眾對於吃進去的食品衛生愈發重視,但由於各個食品加工的品管方式不同,容易有潛在風險。 世界衛生組織(WHO)就曾指出,不安全的食物與飲水,每年會造成200萬人的身體損傷,也因此國際市場要求食品加工企業必須建立商品可追溯體系,所以國內食品加工大廠也想建立生產追溯系統,期望能儘速反向溯源到問題原物料,並啟動追回和銷毀問題食品。 看得見的安心,落實生產透明化 國內某食品大廠以生冷凍食品、即時料理等商品,國外市場版圖已擴展至北美、紐澳、日本hellip等國,在國內對於食品管理的推動也是不落人後,現已取得HACCP、ISO22000、ISO14001等食品認證。 食品生產在人力需求較高,因此也容易有工作疲勞而影響品質,再加上生產線對於生產數量、流程與時間點紀錄不明確,在出現不良品時難以追溯生產資訊,造成食品安全管理上的漏洞只得整批報廢。 為此,中山大學產發中心應用自身的輔導資源,協助該食品大廠解決食安管理的問題,規劃運用AI技術蒐取生產數據,同時建立食品生產的防弊與回溯。 製程智慧化助力食品安全 烘焙類的食品加工雖自動化程度不高,但本案之食品廠對於提升產線自動化程度、導入智慧製造方面有意願,對於企業來說,溯源體制不僅能樹立品牌形象,提升產品、品牌價值,對於消費者而言,生產線的透明化讓人更加放心。 因此,中山產發中心媒合AI技術服務商泓格科技,在第一階段規劃導入數據蒐集設備來串聯食品工單資訊,降低人為操作上的資料疏漏,同時透過即時生產資訊看板掌握產線處理流程,確保可能因人為因素造成的生產階段資訊不連貫,使該批產能受到影響。 產線智慧化規劃示意圖 第二階段則於麵糰發酵階段透過深度學習進行大小與體積計算,分析溫度、濕度、發酵時間與產品體積比間的變化關係,並評估後續是否導入AOI異物偵測,於冷凍後建立第二道品管步驟。 成品品管AI化示意圖 食品加工身分證,開啟食安溯源AI時代 在台灣,消費者對生產履歷的認知度和接受度逐步提升,食物由原料供應、加工生產,到流通販賣,都需要能完全掌控,並提供透明資訊,公開食品生產履歷不僅是增加企業與消費者間的信任,同時也是讓台灣的食品安全環境,跟上國際的腳步。 中山大學產發中心將在2020年協助企業導入先進科技的AI應用,記錄原物料從產業到餐桌的全流程數據,監督食品生產過程,成功落實產品溯源,做到加工食品的防弊與回溯,從而對產品建立高規格要求,讓食品加工產品走進世界級的標準。

2020-03-12
【110年 應用案例】 無人智慧販賣機 黑沃咖啡一分鐘打造精品咖啡

科技也能飄著咖啡香 位於台中市南區高工路上的「黑沃咖啡」創始店,28坪的空間,飄散著文創與科技交融的咖啡香。2016年10月成立的黑沃咖啡,迄今在全台擁有7家直營店及28家加盟店,在全台已有15萬家店在賣咖啡的情況下,黑沃咖啡異軍突起的秘訣在於:運用AI科技,打造無人智慧販賣機,1分鐘煮出精美香醇的迷人咖啡。 黑沃咖啡實體店營造文創時尚氛圍圖:黑沃咖啡官網 根據國際咖啡組織(ICO)調查,台灣人一年喝掉285億杯咖啡,市場規模超過700億元;而業者星巴克調查,2018年台灣咖啡整體市場達720億元,2020年已上看900億元。近5年,台灣咖啡市場以每年約20的成長率擴展,成長潛力驚人。 咖啡需求商機驚人 每年以20速度成長 在咖啡已成為台灣人時尚消費象徵的現在,除了星巴克、路易莎等一級品牌咖啡店外,還有7-11、全家便利商店,及在街頭巷弄一家家的精品咖啡館。如何吸引消費者的目光,在淪為「紅海市場」的咖啡市場中異軍突起,就有賴彈性與創意,了解消費者的需求與口味,更是培養品牌忠誠度的不二法門。 除了實體店面外,黑沃咖啡也積極發展虛擬通路,其電商平台除了官網,還有 PChome、momo及團購主等通路, 通路多元,業績也穩定成長。 即便如此,黑沃咖啡創辦人林佩霓仍不斷求新求變,在成立前三年,由於與加盟門市的關係處理往往處於被動分散狀況,難以主動掌握市場動向,與消費者溝通的節奏及品牌跟進消費者的速度存在著一定的落差,較難以培養品牌的忠誠擁護者。 職人精品咖啡深受消費者喜愛。圖:黑沃咖啡官網 透過AI鷹眼系統爬蒐商情 市調成本大幅下降 為解決無法快速掌握市場風向與市調成本高昂的兩大痛點,黑沃咖非在2020年導入AI鷹眼系統爬搜市場商情,透過在社群網站、新聞、論壇等社群媒體全方位爬蒐各式文章,自動貼標,合適篩選,從網站每篇以5個關鍵字計算,爬蒐4,858篇文章,相當於24,290個關鍵字,所花費的成本不多,可以精準掌握到消費者的口味與偏好。 同時,在新品推出之後,不僅可即時通知加盟店,更可以透過社群了解消費者的接受程度,作為是否大力推廣的參考依據。 透過數據的蒐集,及透過AI演算法的分析,選出消費者最喜歡的口味,可以降低新品推出的風險,提升新品成功率,因此,黑沃咖非在2021年大膽開拓新市場,推出全球首創AIoT智慧咖啡創新概念,與全聯合作首間「智慧超市」合作,結合黑沃咖啡打造無人智能手沖咖啡機,讓消費者也能享受獨一無二的好風味。 洞悉消費者口味 打造AIoT無人智慧販賣機 台灣第一家全聯內湖瑞光「智慧超市」就位於台北軟體重鎮內湖區內,推出全球首創AIoT智慧咖啡概念店,可以透過手機App連動AI智慧咖啡販賣機、AI手沖咖啡機、AI真空冷萃機,一次滿足三種咖啡科技體驗,自助區部分設有黑沃咖啡AI智慧咖啡販賣機,不僅支援多種無現金支付方式,還是全台唯一以冷藏牛乳製成奶泡的無人智慧咖啡販賣機,嚴選黑沃5A級牛乳,從付款、研磨現煮、到出杯,只需1分鐘時間。 台灣第一家全聯「智慧超市」於台北市內湖區瑞光路成立。圖:全聯FB粉絲頁 全聯智慧超市設置AI智慧咖啡販賣機,使用APP操作就能享用香醇咖啡。圖:全聯FB粉絲頁 現在,加上AI科技元素之後,喝咖啡不只是純喝咖啡,也為消費者帶來更多全新的科技體驗與便利。

2021-09-27
【110年 應用案例】 赫銳特科技VCSEL封裝元件瑕疵導入AOI檢測 提升產能效率20%

2017年,iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門,也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測,若透過AI推論模型可解決良率偏低產業難題,提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場,包括機器人、移動設備、監控、無人機,以及ARVR等。VCSEL在需求高速調製功能的應用(例如照相機和生物計量)中堪稱為不錯的解決方案。 VCSEL技術應用層面廣,也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示,VCSEL封裝元件市場也面臨到商業對手強力的削價競爭,需要進一步降低成本提升、產品競爭力,其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高,但成本較環氧樹脂透鏡高,因環氧樹脂經切割製程,側壁切割道上容易會有毛邊,造成尺寸過大,容易在打件時因為受熱而產生的應力釋放,將會直接導致光學透鏡破裂。 赫銳特科技指出,VCSEL環氧樹脂透鏡的入料檢測十分重要,在封裝空間的限制下,封裝與光學透鏡貼合的空間有限,且此光學透鏡會被侷限於一金屬框架內,若是沒有控管好尺寸公差,很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂,造成VCSEL封裝可靠度驗證良率損失最高達到10,造成生產成本增加。 為解決上述問題,赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段,可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵,確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測,經通過大略的人眼目檢分辨好壞,為順利收集影像數據,首先需要解決影像蒐集的問題。 因此,赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection,AOI,自動光學檢測裝置包含X、Y、Z三軸動及高解析相機,及相關控制軟體自動記錄影像。蒐集完成後的影像資料,經opencv將測試影像Test與一標準正常影像Normal,進行影像對位後取出Test與Normal影像的差異部分,並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類,進行手動標籤標示包含:正常、外觀瑕疵或形狀特徵差異之樣品,後進行演算法訓練與驗證,使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習,以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異,導入前的VCSEL入料透鏡檢測,僅透過簡易的人工外觀檢測,將透鏡封裝在已固晶的VCSEL封裝體上,通過一般點亮檢測後,最後進行可靠度測試高溫回焊,失效樣品進再入重工流程。 但在導入AOI檢測之後,可提前將有問題的透鏡篩選出來,除了可以降低後續物料投入的成本,亦可減少失效情形降低重工的需要,因而提升可靠度驗證良率達95以上,預期可協助場域業者降低生產成本達10,提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出,這項技術是基於微小影像開發的AI應用技術,透過深度學習演算法辨識影像瑕疵,用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別,因此不再需要繁瑣的編程。 而在工業機器視覺環境中,深度學習主要用於應用中的分類任務,例如在工業產品的檢驗或零件的辨識,未來隨著IOT穿戴裝置的發展,符合節能省電的潮流議題,光電元件尺寸將不斷的縮小,本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。

2021-12-05
【110年 應用案例】 海量數位工程AOI機器智能手臂檢測系統 大幅提高瑕疵檢測精準度

臺灣堪稱製造業大國,然而,在產線上,品質瑕疵檢測一直是製造業長期痛點,雖然有AOI設備可輔助,但大多採用固定式機器,受限於角度,診斷不夠精準,誤判率也高。海量數位工程公司導入AOI機器智能手臂檢測系統,可有效降低誤判率,提高瑕疵檢測精準度。 一般來說,產品的良率攸關企業的成本與客戶的退貨率,而製造產業品質瑕疵的檢測流程,往往需要編制大量的品質檢測人力。目前製造業檢測工具雖然有AOI設備來輔助進行,但這些設備多半採用固定式的檢測機器,固定式相機容易受限於角度,導致診斷不夠精準,誤判率太高等缺點,因此,人員在後端需要再次篩選檢驗,也就是複檢,通常人工目測檢視的瑕疵漏檢率平均在5上,甚至可高達20。 製造業品質檢測三大痛點 機器手臂AOI之動態多角度品檢協助解決 根據海量數位工程實際了解製造業在檢測產品品質有三大痛點: 痛點一、人力檢測產品品質出錯率高 目前製造業多以人力來檢測產品外觀,但人工判斷多半有誤差,例如:表面刮傷、色差、焊道外觀hellip等,瑕疵判斷出錯率高,且須待成品階段才能一次性檢驗,時常出貨前全檢後依然遭整批退件,導致重製及人力成本大增。 痛點二、品質檢測之數據無法量化與記錄 傳統人力檢測無法保留檢測數據,嗣後發生品質糾紛時,責任難以釐清。而海外品牌高階代工單往往要求溯源與相對應的缺點紀錄,傳統產業原有之人力檢測難以符合更高階代工單之要求。 痛點三、傳統AOI視覺檢測的限制 現有製造業常用的AOI視覺檢測系統,因為視覺軟體技術的限制,都是以固定相機、固定光源及單一角度的方式來進行,這種方式對於平面或形狀由直線組成之產品例如:長方體或正方體的單一檢測點尚可處理,但對於複雜形狀的產品例如:汽車零件多為不規則狀多點、多幅度的檢測,就較難實現。 海量數位工程研發AOI機器智能手臂檢測系統,有效提高瑕疵檢測精準度。 為解決製造業在品質檢測的痛點,海量數位工程決定從研發多角度、可移動式的檢測儀器開始發想,從結合工廠自動化領域中的兩大代表性技術-機器手臂與機器視覺著手。海量數位工程以機器手臂結合AOI之動態多角度AI視覺即時品質檢測方式,改善固定式檢測受限多角度的問題,視覺檢測技術的提升與結合人工智慧,進一步相機取得的影像資訊可由平面取樣提升至多角度、多維度取樣。 選定汽車產業做為實證場域 可快速回應顧客需求 AOI機器智能手臂檢測系統,所運用的AI技術包括無監督學習(unsupervised)、監督式學習Supervised learning、半監督式學習Semi-supervised Learing,使業者在初期樣本不齊全,或是沒有不良樣本的情況下也能使用無監督深度學習技術學習良品,並應用在汽車三角架自動焊接的視覺檢測上。可解決導入前受限於固定式機器的角度、診斷不夠精準、誤判率高的問題。 汽車零組件單價較高,會要求更嚴格的瑕疵檢測正確率。 在導入AI服務的產業中,選定汽車製造業作為實證場域。海量數位工程表示,汽車製造業主要為相關零組件製造商,而且通常元件單價較高,需更多品質檢測品質及良率,會要求更嚴格的正確率,因此選定汽車業做為導入的場域。 機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統,除了可以改善汽車零組件檢測瑕疵品質失誤率外,因為以多角度的機器手臂AOI服務來提升定點式AOI光學檢測,可以符合多數產業之量測需求;最後是建立第三方系統平台,建置共同工作整合平台監測系統,以便在問題發生時,第一時間接收訊息並著手處理。 本系統可針對出廠產品之重要數據進行記錄儲存,為實現未來數位生產線與虛擬生產之基礎。同時於瑕疵發生時,可即時串接海量MES監控系統,迅速反應至相關製造決策部門,嗣後並利用ERP系統進行專案管理與檢討,有效精進其生產效率,降低生產成本。 有助降低溝通成本 期許成為行業標配 就產業上下游整合而言,可以為上下游之數據連貫提供一基礎之標準,降低供應鏈之溝通成本,經由指標代工廠與品牌商的認證,有機會成為該產業之行業標準配置。 透過此一計畫的產出數據資料庫建置,業者進一步透過大數據分析Data Analysis,優化供應鏈管理的解決方案「供應鏈規畫Supply Chain Planning, SCP」,依據數據,建立預測計畫,並運用科技串連供應鏈上下游的數據,精準控制產品品質。未來對接歐美、日,需要品質精細訂單,業者能更快速回應及整合產業供應鏈Supply Chain 。 最後期望透過標竿示範產業之場域驗證,例如:以汽車零組件製造產業標竿示範場域,透過機器手臂結合AI之動態多角度AOI視覺即時品質檢測系統計畫進行驗證,讓汽車代工廠與汽車原廠之間有更優化的供應鏈聯繫,並成為該行業標準。更進一步尋求更多的AI團隊,加入場域協作平台跨產業之開發,帶動整體AI新創與場域結合的生態系。 海量數位工程研發的自走車

2021-11-03

應用案例總覽

【導入案例】台資科翻轉傳統專利分析曠日廢時的致命缺點, 研發「企業專利監控之 AI 數據分析平台」,一鍵搞定
【109年 應用案例】 台資科翻轉傳統專利分析曠日廢時的致命缺點, 研發「企業專利監控之 AI 數據分析平台」,一鍵搞定!

如何有效率地分析海量增長的專利資訊,挖掘潛在價值 專利是技術、市場和競爭資訊的寶貴來源。然而,公開的專利文獻總數已高達 12 億件,僅去年一年就新增 630 萬件。如何才能讓這些海量專利文獻為己所用 專利分析為充分挖掘專利資訊的價值,提供了一條不可或缺且切實可行的途徑。通 過專利分析,我們可以瞭解自身與競爭對手各自專利組合所具有的優勢、存在的不足和 蘊含的機會,以及全球專利申請趨勢、技術全景、哪些地方可能存在空白領域等等。 然而專利分析要求透徹理解底層資料,這些資料的用法和用途,以及能夠解決的問 題,如何才能有效率地運用及分析海量資訊,正是最讓人頭痛的問題helliphellip 非結構化的資料型態,只能透過人工閱讀整理,十足惱人 「專利說明書」係融合法律與科技用語的一種具有法律效力的文件,屬於非結構化 之資料形態,過去的各項檢索或分析都是以人工之方式閱讀內文與整理,實乃曠日廢 時,且經常發生追趕不上訴訟時程之情況。在協助企業進行專利佈局時,常面臨無法量 化競爭對手與客戶之訴訟風險程度,也難以量化專利之品質與價值,造成受輔導單位新 聚能科技股份有限公司(以下簡稱「新聚能科技」)之業務範圍無法進一步地擴大,也 無法促進外界對專利加值應用之瞭解程度。 近年來,新聚能科技也開始協助企業中負責創新與研發的人員,提前掌握影響產業 未來發展的重要科技及其專利競爭情報,使得相關人員更從容地進行專利佈局,並提高 專利品質與價值。然而,新聚能科技大部份業務範圍在於代理專利軟體,對於知識產權 運營管理資訊系統 IPServ 主要協助企業或個人的智慧財產權做管理,但目前並無提 供企業或個人提供專利監控等數據分析相關的服務。 台資科-股市與專利大數據間的連結 這些專利軟體包含專利檢索、管理與維護,而專利大數據是否能夠成功輔助企業掌 握市場現況、專利價值、訴訟威脅以及監控競爭對手的不法侵權行為,基本上全是仰賴 於專利數據之取得。由於專利數據之清理非常費時,所以一直是個讓人頭痛不已的問 題,直到台資科研發「企業專利監控之 AI 數據分析平台」,才終於出現曙光helliphellip 傳統專利分析曠日廢時,改用「企業專利監控之 AI 數據分析平台」, 一鍵搞定 本計畫的發想是使用專利申請的案件中之專利編碼與公司產業別等具鑑別力的影響 因子,透過大數據分析,並增加相關新聞以機器學習透過 AI 輔助專家,分析市場現 況、避免訴訟威脅以及監控競爭對手的不法侵權行為。這些最後萃取出來的因子也將影 響個股的表現,對此可以根據不同的企業屬性和發展方向,朝向客製化大數據分析提升 企業的戰略位置。希望透過平台的搜尋可以快速的讓企業於新增產品線時,了解競爭對 手的專利佈局,避免侵權的情況發生;或者廠商要找合作夥伴時可以從有高度研發的公 司來篩選,將此平台作為競合關係的好工具。 投資組合最佳化 傳統上專利分析曠日廢時,需透過人工檢索專利、閱讀專利資料,才能產出一份專 利分析報告,藉由本專案的「企業專利監控之數據分析平台」 (以下簡稱「專利監控平 台」),使用者可輸入某年度或自己與競爭對手的公司名稱,經過系統分析後,即可給出 該年度及公司間的技術布局、變化趨勢監控等結果,節省作業時間及人力。例如,若要知 道市場上對於物理、化學、電學的相關技術發展現況,可分析 IPC 專利號碼檢視哪些公 司的持有專利有群聚現象,藉此研判該群聚專利為相關技術或相互依賴的技術,了解公 司之間在專利布局上的相似度、產業趨勢,縮短決策時間,搶先布局或作專利迴避設計。 透過人工智慧改善傳統的人工專利檢索的作業以提高工作效能,「專利監控平台」 的設計係用於幫助專利分析人員更方便了解特定技術領域的專利發展現況,以預測未來 技術研發方向。專利布局是企業針對專利組合,透過整合市場、產業、法律等因素,構 建嚴密的保護網,形成有利的研發方向、降低侵權風險。嚴謹的專利布局可幫助公司在 戰略規劃時避開地雷區,避免不必要的訴訟戰;或是透過搶先申請專利及購買專利,擴 大自身技術的保護範圍。而要達成此目的,關鍵是經由分析大量的專利資料,領先同業 找出趨勢。以本公司開發之產品線人流資訊流天線為例,專利監控平台可針對產品之專 利組合,達到上述目標。 人流資訊流天線產品圖 未來,將針對專利文件內容之標題與摘要進行文字探勘(Text Mining)。前期人工 輔助,後期採機器學習方式建立專利詞庫自動斷詞系統。應用斷詞系統將標題與摘要進 行斷詞,計算字詞頻率(TF)與反轉文件頻率(IDF)。透過統計方法(如相關相數), 擷取專利文件特徵,找出專利之間強關聯性之相關字詞。提升探勘專利之相似度,更進 一步了解專利訴訟之風險。 經由呈現「平台網絡圖」可以讓公司或事務所快速看到,其相關的產業公司佈局在 哪些專利上面。對於專利,各公司可以思索全由自家研發申請或者是從產業龍頭單獨購 買專利授權。對於公司產品,要商品化時可因應時代變遷採取不同的策略,前幾年也許 是敵對的,隨著產品發展的差異而是今日的盟友。 台資科專利指數的獨特性與優勢 關於「公司交叉比對」,可一次選擇多年,對於和主要公司相似度較高的對比公 司,從年度變化可了解雙方是否發展太過相似的專利,而使二者處於高風險侵權的風暴 範圍之中。當數據庫資料更多時,可以進一步計算專利風險率,讓習慣讀數字或讀表的 使用者從另一角度快速知彼知己。甚至未來增添更多參數後,可以估計侵權金額,但取 得參數內容,還需與專利業者協同合作,一同打造更便利的專利風險監控平台。 專利大數據-預測台灣上市櫃公司獲利能力

【導入案例】「AI指紋判讀模型」,利用AI將現場指紋進行數位化轉換與辨識,讓辦案追查更即時
【109年 應用案例】 「AI指紋判讀模型」,利用AI將現場指紋進行數位化轉換與辨識,讓辦案追查更即時!

精準快速辨識指紋,還給無辜關係人清白 「指紋」是刑案現場勘察不可或缺的重要證物之一,而在刑案現場可以採集到眾多指紋,對象包含:受害者、關係人及犯嫌。鑑識人員在現場採集「可疑指紋」跡證後,必須進行「關係人」或「被害人」指紋排除,避免比對到無辜關係人,造成鑑定資源浪費。 指紋初判,費工費時 根據國內某市警政統計年報指出,107年某市全部刑案發生數為43,558件,由於「自動化指紋比對系統」建置耗價不斐(目前國內採用的NEC指紋辨識系統動輒造價數千萬),不宜單為指紋排除作業耗費鉅資,故現行各單位仍以鑑定人員以肉眼逐一比對鑑定來進行指紋排除,而某市政府警察局鑑識中心於確認排除後再到「現場勘察案件暨證物室管理資訊系統」進行註記該枚證物為「關係人排除」,以利後續控管,最後再把「疑似犯嫌」的指紋進行後續比對作業。 以現行案件資料統計,90的案件現場,會有1至2個關係人及可疑指紋採集1至5枚;以1個關係人及可疑指紋採集3枚來計算,一個案件需花費15小時至3小時才能完成排除作業。如以107年某市刑案發生案件數而言,光排除作業就得浪費不少時間。 AI指紋判讀,讓犯人無所遁形 此「AI指紋判讀模型」由欣揚科技有限公司與AI團隊榮光科技有限公司共同開發,將鑑識人員從現場採集的所有指紋證物資訊,建入「現場勘察案件暨證物室管理資訊系統」內,此時,再執行「AI比對指紋比對」,透過AI指紋判讀程式,自動偵測指紋區域並抽取特徵點,系統便會根據判讀結果進行註記,確認是否該枚證物是否為「關係人排除」。導入AI後,一案只需2至3秒就可以完成鑑識,能讓現場指紋的比對流程更自動也更快速 關係人排除流程,讓鑑識專家可以加快鑑識時程 整合並建立電子指紋資料庫,持續優化AI指紋辨識模型,提升辦案效率 透過整合並建立電子指紋資料庫,再運用AI進行指紋辨識,可以大幅提升辦案效率其中「指紋資料庫整合」部分,因目前資料來源多為某市轄區內的案件,若要達到全台灣的指紋橫向連結,則需要整合各縣市的資料,如此更能有效提升指紋科技辦案的效能。 此外亦可將「指紋卡電子化」,因目前指紋卡都是直接按壓在紙本上,然後再掃描成電子檔,以供後續電子化處理;若能在第一時間就讓民眾在終端電子採集器上直接按壓指紋,便能大大提升後續電子化處理的時效性。 而此「AI指紋判讀模型」的成果,針對目前警員辦案尚可使用,但仍有幾點可持續加強優化:包含「執行速度」特別是使用在跨不同案的比對時,以及「判斷的精確度」,因目前AI模型是提供警員進行人工判斷的依據建議值,倘若日期的持續調校能讓正確性有一定的可靠信賴度時,就可以完全自動化來進行關係人指紋排除作業。

【導入案例】AOI驗布員降低誤殺率,減少70複判篩檢量
【109年 應用案例】 AOI驗布員降低誤殺率,減少70%複判篩檢量

檢出率低、速度慢、招工難且人員成本高 紡織業向來為勞力密集之產業,目前全球紡織業幾乎都還是用人工進行布料檢驗,人工驗布有三大痛點:檢出率低、速度慢、招工難且人員成本高。平均一個驗布員在1小時內最多發現200個疵點,瑕疵檢出率約為70。 但人員集中力最多維持20~30分鐘,而且驗布速度一般限制在20~30cms,若超過這個時間和速度,驗布員會產生疲勞。 紡織業者購買的國內外AOI驗布機,到目前皆尚未正式融入生產線中,開始時1捲布約能測出10000個疑似瑕疵,檢出率高但正確率過篩低,迄今約減少到7000個點,但仍未達老師傅水準。 高速相機拍攝瑕疵,記錄瑕疵位置 廠商目前採用的Rule-based瑕疵辨識方法,在業主場域實際使用前需要花費大量調整時間約13個月,而且目前使用後並沒有一套可以修正自動化修正辨識模型的方案,造成廠商需要再額外花費時間進行參數設定重新調整,因此,不管是對廠商或業主場域都需要花費龐大的成本。 目前廠商的胚布驗布流程 輔導團隊與合作廠商針對瑕疵檢驗流程導入AI辨識技術與學習框架針對模型重新訓練,具體作法描述如下 1 AI-based 瑕疵辨識模型 利用大量收集到的影像資料包含無瑕疵與有瑕疵,藉由機器學習Machine Learning,如SVM,或深度學習Deep Learning的物件偵測方法,如SSD或YOLOv3,建構瑕疵偵測模型,依此模型來得知當前胚布表面的狀況,是正常品還是瑕疵品,藉此達成瑕疵辨識。 2 辨識模型重新訓練框架 根據目檢員的判斷,若有判斷錯誤的情況發生,則標記該筆影像,將該筆資料作為重新訓練的資料集,待累積至一定程度的誤判資料筆數後,系統將自動啟動辨識模型重新訓練功能,新模型產生後將自動替換舊有的辨識模型,藉此達到模型更新的目的。 導入本計畫後的胚布瑕疵檢驗流程 低誤殺率,解決產業缺工與高質化挑戰 本計畫以深度學習網路架構,重新分類經檢測出的瑕疵,包括真瑕疵與假瑕疵,並可將真瑕疵與假瑕疵進一步分類,降低傳統AOI方案的誤殺率,預期可再協助驗布員減少70以上的複判篩檢量,解決現行生產線導入的疑慮,加速擴散織布廠導入應用AI化AOI檢測方案,解決產業缺工與高質化產品的挑戰。

【導入案例】「AI智能客服維修回覆系統」,用聊天就能即時解決客戶機台故障問題
【109年 應用案例】 「AI智能客服維修回覆系統」,用聊天就能即時解決客戶機台故障問題!

成功行銷海內外的工具母機製造商,竟也有芒刺在背 國內某工具母機製造商以生產CNC線切割機、CNC放電加工機、CNC微細孔放電加工機為主,藉由高度的機電開發核心能力,提供高精度、高品質的產品,並成功開發航空引擎渦輪環線切割機,並專精於超大型客製化機種之設計製造,產品成功行銷至國內外30餘國。 雖能成功行銷優質產品,但因機台維修缺乏標準化流程與方法,所以在機台故障時,常需耗費大量人力與時間,增加機台的維護成本helliphellip 無快速維修解決管道、人員訓練不易、維修時間成本高 工具母機製造商雖能將精密機械產品成功銷售至全世界,但每次碰到維修狀況就需耗費大量人力與金錢,都因在機台維修上沒有一套標準化的故障排除流程,主要仰賴維修技師的經驗及機台的錯誤代碼做判斷。但並非所有故障狀況皆能以代碼來判斷,維修技師僅能根據錯誤代碼作初步判斷,再推判可能故障的原因,進一步做機台檢修,而維修後亦無一套標準去紀錄維修處理方式,方便之後若遇到相同狀況可以快速排除障礙。 除「無標準化的故障排除流程」外,還有「人員訓練不易」及「維修時間成本高」的問題,維修技師須經過多年的維修經驗累積,並熟稔機械、電子與機構學等皆須有基本瞭解,且在維修時若無錯誤代碼作為參考,則必須花費大量時間尋找機台問題,造成時間成本重大損失。下圖為傳統問題異常時透過email詢問的解決方式,一來一往間的時間耗費,無形中造成了很大的停機損失成本。 傳統問題異常時透過email詢問的解決方式 建置「AI智能客服維修回覆系統」,降低維修出勤成本、縮短維修時間, 同步提升產品附加價值 根據上述痛點,工具母機製造商的需求有三個部分:先要建立一個機台故障排除的「AI圖像辨識維修知識庫系統」。接著要蒐集機台故障資料數據,建立一個「機台故障狀況資料庫」。最後則可以導入AI圖像辨識與深度學習功能,透過影像辨識分析機台故障時的照片,找尋最接近之故障問題與障礙排除方式。 此「AI智能客服維修回覆系統」採用「監督式學習」為主要AI技術,其中「AI模型」部份,圖形辨識採用「CNN」Convolutional Neural Networks,針對大量訓練資料得到機台異常資料與建議維修方式,以利進行有效的AI預測。而「數據分析」部份,則採「DNN」Deep Neural Networks,達到在訓練後可得到故障異常之參考資料,回答出客戶想要的維修答案,降低維修人員的維修出勤率與提升產品附加價值;再採用「AlexNet」作為先期開發工具,因相關設定參數可以自行設定並自動執行,讓訓練出來的AI模型更貼近實際想要的樣子。 而目前工具母機製造商約有1萬筆的圖文資料,又以「圖片資料」最為大宗,系統透過圖片進行故障辨識,並以文字做為異常判斷之輔助,採用「360度環景建模」,進行圖檔資料的建檔,並儲存大量圖檔資料於公司內部伺服器,再透過感測器,蒐集相關電流、電壓、水壓與水流等資料,做為關聯判斷使用,最後以文字做為異常判斷之輔助,將相關資料傳回伺服器中做判定動作。下方為系統服務流程圖: AI智能回覆客服系統服務流程圖 此系統蒐集維修技師之經驗與機台故障狀況資訊,建立包含:機台故障狀況、機台故障圖片、機台維修與機台完修等資料庫,並紀錄整體維修紀錄,再藉由AI圖像辨識與數據分析功能,判斷出最可能的故障狀況,並透過累積的維修經驗,讓機器能夠自主學習後判斷,提供維修技師或客戶最適宜的解決方案,達到縮短技師訓練及維修時間、縮短客戶停機時間與成本,並增加機台附加產值的功效 推展「AI智能客服維修回覆系統」至各產業,發揮更大經濟效益 此「AI智能客服維修回覆系統」,先建置維修知識庫,再透過Chatbot技術,導入AI智能客服,客戶可直接透過聊天方式進行互動,即時解決客戶簡易的機台故障問題;在維修技師訓練部份,亦可透過AI快速分類,並告知可能的故障原因以及排除方法,縮短技師訓練與維修時間。順利透過AI技術解決無快速維修解決管道、維修人員訓練不易、維修時間成本高等問題,未來將以相同概念,擴展應用至其他產業,發揮更大的經濟效益 AI智能回覆客服系統-智能圖片辨識客服示意圖

【導入案例】「AI刺繡圖案辨識系統」,有效提升圖案辨識作業效率50倍
【109年 應用案例】 「AI刺繡圖案辨識系統」,有效提升圖案辨識作業效率50倍!

快時尚影響,少量多樣的代工模式成為紡織業發展趨勢 「快時尚」主打快速、便宜、時髦,台灣近年來受到快時尚興起的影響,「少量多樣化」的代工模式已成為未來紡織業的發展趨勢,業務端如何在此流行趨勢下接到訂單,為紡織業的首要目標helliphellip 客戶新圖案詢價僅能人工搜尋,費時且效率不高 國內某紡織業龍頭公司陳董事長於2018年接任「台灣內衣聯盟」理事長,經營刺繡圖案設計開發超過40個年頭,已累積開發超過30,000種刺繡花紋,每當國際企業客戶有新款刺繡圖案詢價,需耗費約25小時以「人力搜尋」,才能找出1至2張近似的圖案進行報價,因此如何快速地辨識「刺繡花紋」成為目前最大的作業瓶頸。 原始資料的清洗與整理,耗費大量時間 為建立可快速辨識並找出相似刺繡圖案之AI模型,在模型開發階段,需使用大量刺繡圖案資料進行學習。每筆刺繡圖案需要去浮水印、去除邊框、圖案規格化等前置處理,需要一位專職人員花費半年時間進行圖片預處理。而本次紡織公司共提供約30,125張刺繡圖案供AI機器學習辨識,依照不同類型的圖案,將資料標註分類為7大類。 透過圖案辨識學習,提高AI精準度 當客戶有新款刺繡圖案要詢價時,業務人員可先將圖片上傳系統,並勾選要辨識哪些重要元素,如:風格、形狀、類別、款式及尺寸等,再從AI推薦的許多方案中,挑選滿意的數個方案,並依「滿意度」加以排序儲存,將每次辨識的結果與使用者的分數存放於雲端資料庫。透過紀錄AI圖案辨識訓練之標準與重點,確認AI產出的圖片是否有遺珠以及不被選取的原因。 「刺繡圖案辨識」除了要找出近似的圖案,另外一個挑戰就是人類「心理層面」的認知,包含「不同使用者的喜好」及「使用者考慮顧客的喜好傾向」此二者均會影響挑選的結果,透過使用者的選擇結果及「滿意度」評分學習「操作者心理層面」的喜好,讓AI模型更精準。 透過建立「AI圖形辨識系統」輔助人工,即可於1分鐘內搜尋到近似的圖案與方案,大幅提高作業效率50,提升接單效率,迎擊快時尚產業。 刺繡圖案AI辨識管理系統示意圖 刺繡圖案AI辨識結果示意圖 建立「台灣紡織產業AI圖形辨識服務中心與平台」 藉由此「AI刺繡圖案辨識系統」案,未來將結合更多紡織廠商與資源,建立「台灣紡織業AI圖案辨識服務」的商業模式,將此一AI辨識系統帶入產業鏈上下游,共同提升台灣紡織業的科技水準、作業效率及國際競爭力

【導入案例】AI地址解析,查找坐標不再鬼打牆
【109年 應用案例】 AI地址解析,查找坐標不再鬼打牆

賦予地址空間坐標,協助推動「資料開放」政策 近年來政府推動「開放資料」,希望藉由資料的開放,促使跨機關資料流通,提升施政效能,滿足民眾需求,以強化民眾監督政府的力量。其中,交通資料與生活密不可分,但來源多是民眾通報的事故資料,在描述地址位置時,常以所在地的明顯目標物或門牌地址做通報;也曾有民眾反應警廣的路況報導,都沒有實際坐標。將這些原先不具空間屬性的地址,帶入地理坐標的資訊,是邁向「智慧空間決策」的途徑之一。 然而,未結構化的地址,若無人工介入處理,改善各門牌地址規格不一的情形,定位的正確率並不高,需要提升資料品質、加強資料可用性,才能創造開放資料應用的可能性,進一步協助政策推廣,並廣泛應用至休閒旅遊、求職及就業、出生及收養等各個不同領域中。 地址無嚴格規範且書寫方式不一,造成定位精確度低 Address Locator為崧旭資訊股份有限公司與研鼎智能股份有限公司GOLiFE與共同開發的「單機版門牌地址定位軟體」,提供單筆或批次地址定位的服務,為了賦予門牌地址空間屬性資料,Address Locator核心技術是以「地址解析」Parse 及「地址定位」Locate 兩階段進行門牌對位處理。首先,「地址解析」階段將擬定位門牌,依地址中行政區域階層關鍵字:縣市、鄉鎮市區、村里、路街段、巷、弄、號,拆解門牌結構;接著,「地址定位」則將前述拆分後門牌與母體地址匹配,取得定位層級及對應坐標。 然而,實際導入業務的過程中,由於門牌地址來源由不同主管機關各自維護,缺乏一致性標準,常見問題包括:包含特殊字(桃園市觀音區樹林里經建四路2之25及2之26號)、行政區缺漏(基隆市信一路28號)、重複行政階層關鍵字(桃園市平鎮區雙連里民族路雙連二段118巷12號12號)、特殊路街段巷弄(無行政區階層關鍵字)、門牌中文數字與阿拉伯數字規格不一、非現況地址等,地址型態複雜,地址精確拆分不易。 建立地址斷詞模型,成功精準定位 為有效處理各式雜亂的門牌樣態,解決現有Address Locator地址定位上的困難,導入AI及自然語言處理技術的「地址正規化」及「中文斷詞工具」優化現有門牌地址定位能力。其中「地址正規化」處理地址關鍵字缺漏、異體字、行政區缺漏等問題;而「中文斷詞工具」則協助解決特殊地址樣態造成的「拆分錯誤」,避免出現無法成功定位的問題。 透過AI斷詞技術成功解析地址 過去在處理地址定位服務時,仍需人工進行資料規格調整的前處理,故多未單以產品的方式銷售,而是涵蓋在專案計畫中,提供門牌地址定位服務。而在導入地址正規化與AI斷詞技術後,已成為一個完整的產品,大幅降低使用者人為調整的時間,並達到預期的定位精準度,且AI加值後的Address Locator地址定位軟體,已於崧旭資訊股份有限公司網站上進行產品介紹及正式上架。 經過四個月的測試與修正,AI技術成功導入原有地址定位產品中,從斷詞工具的選擇、語料的建立、模型訓練並與產品功能介接,再以完整的驗測規劃,蒐集「政府資料開放平台」與「台中市政府資料開放平台」,共62個資料集、30萬餘筆地址,完全比對率達9008,模糊比對率高達98,在比對率及處理時間上都大幅優於原產品 為推廣AI技術應用於資訊服務領域,將AI加值後的門牌地址定位服務,作為新的解決方案,並於崧旭公司網站中上架宣傳;從產品功能開始介紹,說明地址正規化方式及地址定位功能;接著,引導潛在客戶想像可以適用的情境包括:決策分析、精準行銷及其他應用,產品將協助不同領域的資料,透過門牌定位賦予空間資訊,進入二維空間探索資料的脈絡與趨勢。 門牌地址定位解決方案 賦予景點、交叉路口及興趣點空間坐標 成功開發AI加值產品再導入致力於國內智慧型交通運輸系統類型的公司過程中發現,雖能有效解決門牌地址定位的問題,但也發現實務上關於空間資訊的描述,除門牌地址外,也包括交叉路口、興趣點及地景描述等資料樣態,為了擴大AI應用的面向,「實體識別」將成為重要的後續應用,並不僅止於門牌地址定位,在資訊轟炸的時代,資料蒐集並不是難事,如何從資料中篩選出感興趣的關鍵詞才是關鍵,未來也將朝這個方向繼續發展AI技術的資訊應用服務,期能更優化此產品,創造更多商機

【導入案例】靠30年水體顯微診斷及輔導經驗,發展廢水處理及水回收AI輔助功能診斷與即時監控系統,總體能耗及成本減量高達93
【109年 應用案例】 靠30年水體顯微診斷及輔導經驗,發展廢水處理及水回收AI輔助功能診斷與即時監控系統,總體能耗及成本減量高達93%!

全台每年30億噸廢水,如何有效達到環保排放要求呢 全台每年的廢水總量約31億多噸,其中工業廢水量約占34,市鎮及畜牧廢水合計66;而工業廢水中則約有87需用生物處理;市鎮及畜牧廢水則全部需要用生物處理才能處理至國家放流水標準。也就是說全台總廢水量的96水量,約每年30億噸的廢水需經過生物處理才可以達到環保要求。 雖有「專業診斷技術手冊」及「歸納性圖鑑」,但由於現場需有顯微鏡,且需有熟悉此技術之操作人員,而業界人力變化與流動又很快,導致技術不易落實到廢水處理操作現場helliphellip 位於水質水源保護區的豆製品工廠,該如何處理廢水,令人頭大 專業診斷技術手冊及歸納性圖鑑為民國84年所出版,至今又累積更多的動態及靜態指標微生物影像,且業界人力變化與流動很快,技術不易落實到廢水處理操作現場。 地處偏僻的桃園大溪區水質水源保護區有間生產豆漿、豆腐等豆製品的食品工廠,生產後之廢水依規定必須先進行處理後,再全量回收至工廠作次級用水使用,但在落實上卻有技術性的困難helliphellip 自動監控系統AI即時線上診斷提供改善建議 提升中小型企業工廠廢水處理專業性與穩定性nbspnbsp 以實際水樣做測試,直接進行影像辨識 影像轉到辨識電腦上,經只要幾秒便可立即辨識出此種指標微生物 許多工廠被法規要求,需達到零廢水排放,處理後的水需全部回收,且任何時候均不得排放,案廠之廢水處理負責操作維護人員非專業人員,且大多由製程人員兼任,所能投入之心力甚為有限,無法穩定處理。 為此,祥泰綠色科技有限公司縝密規劃設計流程,並使用陶瓷平板過濾的新技術,結合遠端監控及每週一次到現場取樣,取回樣本進行顯微觀察、拍照與診斷,但由於案場地處偏遠,交通時間上仍有許多耗費。 為解決此問題,祥泰綠色科技除建置「自動監控系統」外,更進行「AI即時線上診斷」,提供適切之改善建議,對於補足中小型企業工廠廢水處理專業上之不足及穩定性功能提升,有顯著幫助 此種狀況也會發生在其他工廠,甚至海外的工廠,故進行跨領域合作研發,將可提升及帶動海內外之技術需求,發揮更大效益。 導入AI大幅降低廢水處理耗能與成本,將發揚至海外造福更多工廠 導入AI技術後之廢水處理系統更穩定,處理後的水質更高品質,同時達到廢水處理、水回收及水體環境的改善,同時讓總體能耗及成本減量達93。未來可加強推廣到海內外有設置廢水生物處理之工廠。

【導入案例】透過智慧感知技術,有效將商務電子郵件詐騙漏判率降低5成以上,為企業看守荷包
【109年 應用案例】 透過智慧感知技術,有效將商務電子郵件詐騙漏判率降低5成以上,為企業看守荷包!

商業電子郵件詐騙,每年造成超過百億美金損失 商業電子郵件詐騙(Business Email Compromise,簡稱BEC)已嚴重威脅全球,每年造成超過百億美金損失。犯罪組織針對受害企業以各種方式入侵、長期潛伏盜取資訊,最後策畫騙局誘使受害者匯款或與錯誤的對象交易。 此類犯罪中,關鍵的詐騙信件常與一般的商業或私人信件無異,因為與商務情境、日常往來行為相符,BEC信件甚至不需含有網址、附檔等可供技術性偵測防護的內容,讓防毒、阻擋點擊的防護措施無從著手。 電郵詐騙防不勝防,如何有效免除威脅,成為當務之急 國內某生物醫學廠商為政府五大創新產業之一、曾獲經濟部中小企業處第13屆新創事業獎,具有生技產業之高創新、高風險特性,不論是新藥、實驗素材或市場開發等資訊,甚至其與醫療及臨床實驗相關之機密個資,面對商業電子郵件詐騙(BEC)之威脅,希望透過AI之判讀能力,能提供更準確並周延的方式提醒此類惡意信件,避免受害上當,提升企業生產力,成為當務之急 善用AI辨識,防範威脅郵件於未然,有效提升企業生產力 「人工智慧輔助BEC交易意圖感知」為主要為網擎資訊軟體股份有限公司與杜浦數位安全有限公司研發之功能,可辨識來信是否含有交易意圖,並納入網擎的MailGates郵件行為分析模組,偵測具有威脅性之信件,以改善可疑威脅郵件偵測準確率。 此案例使用的即是納入上述人工智慧技術在內的「郵件詐騙防護之郵件標頭安全政策」與「郵件詐騙防護之郵件行為分析政策」兩項功能。 Openfind MailGates的「郵件標頭安全政策」功能 MailGates的「郵件詐騙防護」功能中,將可調整「郵件標頭安全政策」。以上圖為例,所有來自 hotmailcom 的信件必須有正確的From 標頭,但Reply-to 標頭會是空白,才是正確的Hotmail 信件格式,Gmail亦同。 但如果是其它來源的信件,則應該採用 MailGates 建議的過濾規則:From 和 Reply-to 都應該來自正確且相同的網域,否則極有可能是詐騙信。圖中第3條規則代表所有來自openfindcomtw 的信件,應該使用上述預設規則檢查。當信件不符合這一頁設定的郵件標頭安全政策時,依本圖的設定方式,使用者將收到標題上加註「郵件詐騙提醒」的警示,將有助於防範BEC電郵詐騙。 Openfind MailGates的「郵件行為分析政策」功能,可設定「防護等級」 Openfind MailGates的「郵件行為分析政策」功能,可設定「執行動作」 MailGates的「郵件詐騙防護」功能中,將可依需求套用「郵件行為分析政策」。該功能設計及設定方式,對於一般使用者會過於繁複,此時可直接使用「智慧偵測」方式,僅需從「寬鬆、一般、嚴格」當中決定,而系統會依近期蒐集回饋的數據,決定此三等級所適用的實際設定。較具專業能力之管理者,則可採用「自訂」模式,以詳細設定所有行為分析功能。 以「相似外部網域」為例,可列出常被偽冒的網域名稱,則系統會自動將相似但不等於這些網域,也就是意欲偽冒、欺騙使用者的網域視為較高威脅來源。此功能可讓使用者設定警示此類信件,包含:可使用標題及內文警語,透過行為分析,若系統判定疑似為BEC 詐騙電郵時,可明確提示使用者注意防範。 「郵件詐騙防護之郵件標頭安全政策」與「郵件詐騙防護之郵件行為分析政策」為實際規劃設計至MailGates郵件防護系統中的功能,結合上述AI研發成果後所有MailGates使用者將可使用此二功能對應BEC詐騙信件之威脅。 對企業客戶而言,「威脅郵件漏判」是對資訊安全威脅最大、最應改善之環節,導入網擎的BEC智慧感知機制後,即能立即並且有效降低單位內受BEC詐騙等的威脅,避免受害上當,提升企業生產力 全方位守護客戶郵件安全,拓展國內資安產業價值 網擎資訊軟體股份有限公司與AI新創杜浦數位安全有限公司合作,採用NLP及更專精的威脅分析技術,能以智慧方式感知交易意圖相關信件、提高BEC郵件攔截率,除提升客戶價值、維持其資安防禦能力外,Openfind網擎資訊身為國內郵件資安領導廠商,將持續發展郵件及訊息溝通之資安解決方案。 未來網擎計畫將BEC防護與APT沙箱防禦等技術,統合並持續擴展為一衍生性產品線:進階威脅防護(Advanced Threat Protections),藉由解決客戶在現今資安威脅不斷升高、需要強而有力、既廣且深的防護方案,提供給客戶更多價值之外,也能拓展國內資安產業的解決方案、提高產業價值。 目前較高階的資安防護市場,許多客戶只能採用國外廠商產品,其產品設計、使用流程,以及最重要的樣本來源及流程或政策設定上,常常不符國內政府機關或企業應用所需,因此藉由網擎所提供的產品服務,將協助企業守護郵件安全。

【導入案例】「農業智慧化暨大數據應用平台」,有效降低肥料施用量50
【109年 應用案例】 「農業智慧化暨大數據應用平台」,有效降低肥料施用量50%!

靠天吃飯,生菜村業者生存大不易 全球市場趨勢瞬息萬變,對農業而言,必須跟都市競爭土地和水,還要挑戰其他危機,如:緩解氣候變遷、保護自然棲地等,尤其以氣候變遷讓從農者更難以傳統方式進行種植規劃。對於以有機生菜出口之業者,得要克服氣候、蟲害等問題,讓生菜能夠達到海外客戶要求標準,是業者正面臨的課題hellip 台灣生菜村面臨的困境與需求 台灣生菜村雖然目前已採用國際認證標準流程GGAP種植,並透過豐聯資訊股份有限公司所開發的「智慧農業資訊系統」執行種植管理,但仍面臨氣候異常導致作物產量與品質無法控制的困境。 近幾年更常為了田間病害及產量問題而奔波,不僅耗費人工,在防治藥材施用上也較往年多出一倍支出,若仍一昧憑藉過往習慣的模式栽種與生產,將造成產業停滯甚至是被淘汰的局面。 故冀望透過AI加值,讓生菜村在種植上可更加資訊化、智慧化,更具分析及預測性,以利未來擴大產業出口量及拓展產業發展之多元性。 生菜村的需求現況 台灣生菜村的農產業目前僅落實「資訊化管理」,雖有數據應用概念,但無執行之作法及方向,且目前仍採人工田間巡視,靠經驗判斷用藥量。由於作物每一個季度會因環境因素而有不同的生產型態,故可經由歷史氣象數據,對比當時作物產量與採收日,推估萵苣生長所需的積溫條件,建立積溫運算模組,推估種植時程,讓系統依當下整體環境氣象溫度、溼度之數據自動分析預測,並於作物採收期間,協助田間人員工作優化,降低過往需每日現場巡視判斷下一步的工作排程。 農業資訊系統AI,要讓生菜生長無礙 「栽培環境的穩定性」在作物生長過程中扮演重要角色,了解作物的生長條件可以大幅提高生產量,品質也將有一定的水準,搭配「田間智能設備裝置」與「linebot」隨時進行農田管理及警示接收,讓管理者可快速應變以減少可能產生之損失,並協助進行病害防治、生長期、採收預估,再介接氣象局數據進行整合,建立「種植數據資料庫」,透過數據的蒐集進行農務分析,如:施肥用量規劃、不同月份萵苣生長天數分析、從氣候溫度下分析萵苣產出的質與重量,甚至是病害防治預測等。 圖一:導入數位化後前後對比差異 彙整生菜村田間設備蒐集的種植數據及外部數據如:溫度、溼度、日照值、農地肥力等分別應用在四個面向,包含: 1建立作物進度及生長障礙資訊,分析適合生長及阻礙生長的溫度區間,導入Open data數據(即時及未來氣象預測數據)形成預測標準,再搭配田間氣象感測設備進行田間監控,達成即時警示通知及預防的效果。 2結合種植數據進行生長期預測,以達成預估採收日之目標。 3藉由手機田間氣象監測,達成即時管控及調整田間作業之目標,以利生菜村有效管理人力、資材成本、作物品質等。 4彙整農地肥力數據,提供農地適用肥料使用比例,以降低施肥次數,並藉此活絡農地肥力同時改善整體環境。 圖二:數據應用說明 未來將持續優化系統並推廣至更多單位 「農業種植智慧化大數據應用平台」讓生菜村的農務者不再侷限於傳統農業的經營模式,將種植和生產管理制度化,並透過標準化的規範提升品質、穩定產量、減少人力耗損和資材成本。 提升病蟲害偵測精準度,自80 提升至100 未來希望能增加病蟲害偵測的精準度,農民可即時掌握作物狀況,使系統更加完善,也希望將此套系統的模式套用在更多作物上,藉由政府的推廣,讓更多務農者能以低成本的方式種出品質高、品質穩定的作物。

筆資訊
總筆數:69, 共8頁