因應製造業少量多樣的客戶需求，亟待可以找到從雲端到終端的AI解決方案。慧演智能提供軟硬整合解決方案-BailAI影像檢測解決方案，來協助傳統製造業提升製程效率及產品品質，達到轉型的初步目標。 政府宣示2017年為台灣「AI元年」之後，台灣AI新創公司如春筍般林立，成立於2018年的慧演智能即鎖定智慧製造，提供AI影像分析與流程優化的平台，以深度學習的方式檢測產品的瑕疵和組裝的步驟異常，協助企業建置從終端到雲端的基礎設施，讓工廠生產端可以自動化監控，以提升製程的效率和品質。 熟悉產線品管流程 以AI影像檢測作為創業主軸 慧演智能創辦人暨執行長劉雅雯年紀輕輕，在大學畢業之後即進入製造業，在硬碟零件的塑膠射出製程擔任品管職務，「當時已經在產線上，對於生產機台的產線流程相當熟悉」，她之後轉換跑道擔任行銷企劃、接著又擔任過AI產品經理，在時機成熟之後，劉雅雯決定創業，以製造業的AI影像辨識作為創業主軸。 「企業的困難在於缺乏AI開發團隊，即使有了AI團隊，開發專案要花很多時間，至少6-12個月」深諳市場痛點的劉雅雯表示，平台要解決的問題是提供傳統製造業不需要程式開發背景的員工，也可以自行打造AI模型的平台，從遠端協助產線的故障排除及後續的系統維護作業，來幫助企業節省開發時間及人力成本。 BailAI影像檢測平台使用場景 面對市場上提供AI影像辨識的競爭對手非常多，慧演智能的技術優勢何在劉雅雯表示，現階段許多企業備有AOI光學檢測設備，但AOI光學檢測在應用上的瓶頸是，只能用於產線速度快、數量多的瑕疵檢測，而每回檢測或生產都要重新調整參數。而根據她對產業的了解，受限於AOI設備動輒上百萬元台幣起跳，大部分中小型傳統製造業，並不具備雄厚的財力，但他們又想要做自動化檢測，這就是慧演智能的機會。 劉雅雯接著表示，傳統製造業不可能養一個包括AI工程師、資料工程師、雲端架構師、終端架構工程師等專業人才的技術團隊，而慧演智能擅長於軟硬體整合，企業透過BailAI影像檢測平台，就能輕鬆解決產線上的檢測問題。換言之，客戶只需提供影像或樣品，交由慧演智能訓練模型、部署模型及系統整合，即可輕鬆使用AI技術進行產線流程優化及監測。 參加AI新銳選拔賽 組裝行為影像辨識辨識率達9成以上 舉例而言，某家連接器廠商，技術團隊只有1-2位AI工程師。主要解決的問題是，大部分作業員都在產線上，而品管及高階主管在遠端，公司欲透過遠端監控方式掌握產線實際情況。慧演智能透過工業相機拍攝產線畫面，並將AI影像分析傳送到遠端，主管及品管人員可以透過螢幕來觀察產線組裝有無錯誤，如連接器頭跟線路有沒有接好等問題。 慧演智能的AI影像檢測架在微軟的Azure雲端平台上進行作業，也會透過終端設備，如NVIDIA的邊緣運算設備放置於檢測站周邊，透過雲端到終端的整合解決方案，協助傳統製造業提升產線效能與及早發現問題。現階段慧演智能的客群包括航空、電子周邊、連接器及金屬等相關產業。 組裝產線人體行為辨識組裝流程解決方案，準確率達9成以上 為了實證技術深度，慧演智能參加經濟部工業局2021年AI新銳選拔賽活動，為光寶科技提供「組裝產線人體行為辨識組裝流程」解決方案，透過相機及AI影像辨識的方式辨識產線作業員的有效工時及無效工時，也就是透過影像辨識手的姿勢及位置，來判斷作業員的組裝行為，其精準率可達9成以上。 劉雅雯補充說明，由於電子零組件組裝工序較複雜，多以人力為主，無法以機械手臂取代，因此慧演智能在光寶的組裝站裡，用鏡頭拍下作業員組裝的流程，再針對影片進行演算法的訓練、校正，最終訓練出的模型能直接判斷組裝過程是否出現任何錯誤，以改善整體流程。 導入BailAI影像檢測平台 專案開發時間可望縮短至1個月 成立三年多以來，慧演智能累積不少專案經驗，希望能將專案經驗產品化，劉雅雯指出，將於今2022年完成BailAI影像檢測試用版，客戶可依檢測物件的精細度選擇工業相機、視訊相機，甚至於X光來擷取影像，再透過平台做影像自動標記，慧演智能會提供符合場域的AI應用模型，供客戶使用，也可以在雲端終端做推論，便於製造業上線使用。包括金屬產業、工業電腦的金屬機殼、連接器、電子周邊，機械零件，皆可利用平台進行瑕疵檢測及物件辨識。 現階段慧演智能將持續提升技術能力，累積客戶的經驗完成產品化，同時加速AI檢測落地應用，中期將建置終端雲端基礎設施，將企業AI專案開發時間從6-12個月縮短至1個月，降低企業使用時間及使用門檻。長期目標將鎖定台商聚集較多的東南亞市場，將軟硬整合AI解決方案拓展到海外市場，擴大營運規模。

品質檢測，如雙刃劍一直是台灣製造業者又愛又痛的課題。當AI深度學習進入傳統製造業的工業視覺檢測中，不僅可節省檢測人力投入、解決人工目視標準不一，克服傳統自動光學檢測AOI有限的視覺辨認及瑕疵檢測盲點，更能即時溯源品質問題成因。小柿智檢研發的AIAOI視覺檢測整體解決方案，融合軟體與硬體創造高效外觀瑕疵檢測能力，幫助電子代工客戶創造低於1漏檢率及少於3過殺率的高效品檢水準。 成立於2020年的小柿智檢，雖然是兩年的新創但並非從零開始，創辦人暨執行長洪沛駿與核心團隊曾深入富士康工廠多年，參與無數智慧工廠相關解決方案與製程改善，擁有深厚的AI深度學習開發能量，並累積世界級AI應用落地豐富經驗。看見AI工業檢測必定是製造業邁向工業40的最後一哩路，洪沛駿毅然決定將AI深度學習技術落地於產值高的智慧製造領域，並專精投入在AI工業視覺檢測開發。 對於製造業而言，產品檢測是所有品管最重要的一環，但傳統工業檢測面臨2大主要痛點 1人工目視檢測：現今整體製造業95以上仍仰賴人工目視檢查，使得人工目視品檢標準難一致性，並對細微物件目視檢測時，如被動元件或高反光元件會造成長期視力傷害。2傳統AOI自動光學檢測：對產品有限的視覺辨認能力與瑕疵檢測盲點，而其中外觀瑕疵檢測如碰刮傷、油汙、髒汙或毛絲等不可預期的細微瑕疵問題，也是AOI應用中一直無法克服的難關。 AIAOI視覺檢測整體解決方案 外觀瑕疵檢測的一大福音 當初在設計小柿智檢產品roadmap時，客群定位及強化客戶產品服務與價值是重要指標，更看見外觀瑕疵檢測一直是製造業未能解決的痛，洪沛駿表示。小柿智檢以工業品檢AI軟體為核心，提供AIAOI視覺檢測整體解決方案，主推三大產品，包含「QVI-T AI深度學習檢測建模平台軟體」、「AI六面瑕疵檢測篩選機」及「AI工業品檢平台」。主要服務客群以產能高、毛利率高的半導體封測、EMS電子代工、小金屬件加工等產業為主。針對客戶需求，小柿智檢提供對應的軟硬體服務，結合自主開發的AI深度學習軟體與硬體品檢設備，減輕產線人工目視負擔，有效提升工廠的生產品質。 為了幫助設備商及有開發能力技術工程師精準掌握產品外觀瑕疵檢測，小柿智檢自主開發QVI-T深度學習檢測軟體，可提供客戶瑕疵定位、瑕疵分類、瑕疵分割、異常檢測以及文字辨識等重點功能，有別傳統套軟體的固定的檢測法，可以根據不同產業檢測方式精進演算法，開發不同API以串接不同鏡頭的設備。此平台軟體設計非常輕量，架構在公有雲私有雲的SaaS軟體，主要是單純圖片上傳、做標記、訓練建模、驗證測試，完畢後提供使用者下載模型、SDK、API和報告，可有效幫助客戶達到AI推論功能。 目前市面工業檢測服務，以傳統AOI軟體工業檢測機居多，僅能解決產品輪廓量測如扣件的頭、長度等，無法真正提供細微商品表面瑕疵檢測如螺絲頭裂痕及牙傷，而市場上正缺少這種高精密瑕疵檢測業者，洪沛駿觀察。小柿智檢開發自主打造「AI六面瑕疵檢測篩選專用機」從過去客製化服務到現階段提供客戶標準化服務，提供扣件類在量測和表面瑕疵一次解決的標準化檢測服務，以及被動元件類產品高速表面瑕疵檢測。此專業機運用小柿智檢自主研發的AI深度學習AOI複合算法技術，透過可平行運算技術，可實現模型推論達3毫秒張，及實現被動元件之電極與本體多重複雜瑕疵檢出，此專業機主要落地於從扣件類、小金屬件到被動元件之檢測。 業界競爭力方面，AI六面瑕疵檢測篩選專業機提供的軟體硬體整合是小柿智檢重要核心競爭優勢，並非字面如此簡單，洪沛駿有感而發表示，此專機在工業檢測行業俗稱光學機構、電控、軟體及算法等領域高度集成整合，過程中需要不斷優化疊代，並需多次去客戶端驗證與修改，經長期千錘百鍊後，技術門檻也因此拉高。AI六面瑕疵檢測篩選專業機將是小柿智檢未來3-5年主力產品推動方向，相信AI結合量測技術和表面瑕疵檢測會是小柿智檢重要的核心競爭力來源，洪沛駿表示。 AI六面瑕疵檢測篩選專業機將是小柿智檢未來3-5年主力產品推方向 面對智慧工廠工業40蓬勃發展，常收到客戶詢問「品檢的數據是否有二次使用價值」，洪沛駿表示，小柿智檢推出的「AI工業品檢平台」具備機器學習機制，可藉由品檢數據二次使用，提供客戶生產品質即時監控預警、品質溯源分析、品質因子評估、製程參數預測與推薦多項功能。以成功導入汽車零組件廠為例，透AI工業品檢平台提供的製程參數預測與推薦，當我們知道產品瑕疵，依過去老師傅經驗建成一套model，再加上前段過來的接網數據，整合後我們有製程數據、來料數據、品檢數據之後，我們可以去預測這些機台參數是否跑掉，我們就可以去推薦某幾段的製程參數是否調高或調低。透過AI工業品檢平台，小柿智檢能幫助客戶將視覺品檢結果、製程數據及驗收標準，跟客戶工廠既有的MES系統對接，以提升生產品質，改善效率，降低成本。 在商業模式方面，小柿智檢在深度學習檢測建模平台軟體也提供軟體訂閱制，提供公有雲客戶以流量訂閱並依圖片上傳量進行收費，而使用私有雲客戶則採取每年授權金license收費機制。此外，公司也提供客戶在整體解決方案設備的買斷收費機制，並提供一年保固，之後每年收取耗材與軟體更新維護費。 反其道而行 軟硬兼施 小於1漏檢率15分鐘快速建模 面對製造業各樣少量多樣品檢需求，一般AI深度學習視覺檢測，通常要求客戶蒐集大量不良產品照片，既耗時標記，又造成客戶導入AI不順暢，不良品蒐集不到，導入周期長，落地充滿風險，不良樣品不夠始得模型不夠準。小柿智檢卻反其道而行，讓其產品「AI視覺檢測模型開發工具」透過客人提供的良品圖片進行訓練模型。讓AI學習良品相對容易，不需要標註，可快速壓縮時間完成建模。 以IPC電子業-研揚科技的落地應用為例，為了降低PCBA產線的品檢站人力投入並有標準化的品檢品質，小柿智檢提供PCBA AI視覺檢測軟硬體整體解決方案服務，並於工廠高自動化的流水線上進行in-line檢測，有效節省檢測人力投入，提升品檢率的標準化，改善人工目檢測造成標準不一問題。透過AI視覺檢測軟硬體整體解決方案導入，有效替客戶近兩年維持過殺率3以下，達到漏檢率小於1的高成效表現。另外，本方案提供不懂AI的從業人員可快速操作建模，透過安裝建模tool在設備上，當客戶有新的貨號需要建立模型時，僅須提供10張良品圖片在設備下掃描，只要15分鐘即可快速訓練建模。 在產品核心策略布局上，相較市場競爭對手單靠通用軟體服務搶佔所有製造業市場，但套用在工業檢測是行不通的，洪沛駿過去10年觀察，相信唯有軟體硬體才有技術門檻，並專注在一個行業與領域，採用標準化公司的AI六面瑕疵檢測篩選專用機才能夠複製與規模化，才能真正讓公司不斷邁向優化與創造產品競爭力，即使有其他競品想爭奪這塊餅也不容易，洪沛駿表示。 小柿智檢的AIAOI視覺檢測整體解決方案為客戶創造快速建模 和小於1漏檢率的優異成效 布局全球、最有競爭力的AIAOI整體解決方案商 對新創者而言，面對商務拓展，天天都是挑戰，洪沛駿表示，公司規模小容易被大公司搶單、公司人才被高薪挖腳，缺乏深厚客戶關係，業務團隊不夠龐大等。如何克服呢洪沛駿相信唯有勤能補拙、提供更好服務、更即時反饋、創造更專業的方案去說服客戶，才是新創公司致勝的關鍵和競爭力。 從2020年創業至今，小柿智檢在商品核心策略佈局上總是反其道而行的超越同業競爭市場，積極在AI視覺檢測軟硬體整體解決方案向下扎根。洪沛駿期許小柿智檢未來將成為提供電子行業、半導業全球最具競爭力的AIAOI整體方案商，並提供最頂尖的AIAOI專業機設備給電子行業、半導體業客戶群。洪沛駿表示目前公司的AI六面瑕疵檢測篩選專業機技術能量已達到國內頂尖水準。為加速專業機研發更標準化並銷售到海外市場，現階段公司將進行募資計畫，希望借助資策會等法人協助進行更多商業串接與募資管道。對於中長期目標，小柿智檢將布局全球市場包含大陸和東南亞國家，同時跟隨OEM大廠的國際腳步全球布局，並在目標檢測項目下，持續發展特色產品及邁向國際場域擴散。

AI缺陷智能化檢測-降低製程耗能智慧監控解決方案 當一片貼片陶瓷基板上有超過2萬顆貼片電阻，應該要如何快速檢測答案是用AI來檢測。 在當前科技迅速發展的時代，雷科自豪地宣布其雷射加工技術的顯著進步，這一突破得益於人工智慧AI領域的創新應用，雷科致力於將先進的AI技術整合至雷射加工機中，於2019年與合作廠商共同開發出全球第一台結合AI技術的雷射加工機，並以此為基礎上進一步在2023年打造了首台結合AOIAILASER的陶瓷載板檢測機。 智慧陶瓷載板檢測機 藉由AI與機器學習的導入，加上樣本大數據的累積，在系統愈變愈聰明的狀況下，使產品良率在一年內提升5、將檢測速度由原本2分鐘片大幅降低至20秒片、大幅降低了檢測成本、在前段有效率檢出與雷射標示後，可降低後段製程上的浪費，減少整體場域碳排、並可自動產出詳細檢驗報告，以進行數據分析與優化，有助於提升設備產能、降低人為疏漏，使雷科的設備產品更具價值、強化我國電機電子產業之國際競爭優勢。 雷科股份有限公司Laser Tek成立於1988年，並於2002年正式掛牌成為上櫃公司，成立迄今已成為具指標性之SMD電子包裝材料、SMT檢測設備、雷射設備等全球性銷售通路服務及設計製造商之一。 雷科總經理擁有20多年雷射整合經驗，他觀察到被動元件客戶每個月產能可超過10億顆SMD元件，但伴隨著SMD元件尺寸持續微型化發展，其生產製造時之瑕疵檢測作業變得更加困難，一片陶瓷基板上動輒上千上萬顆元件，元件尺寸越小，印刷雷射加工位置更加微小，檢測難度就越大，而更容易出現偏差，因此生產檢查成為相當重要的一環。 R-SMD生產檢查流程 AOI良率過殺問題，靠AI來把關 而AOI檢查機是普遍且成熟的機種，但市面上的高精度AOI運作方式是以單次拍攝小圖移動拼接成大圖，精度雖高但檢查時間較久，小尺寸SMD元件更易受環境干擾，如：光照和振動等容易造成誤判；因此AOI僅能以抽檢方式估算良率，且抽檢良率差的元件也並非單獨去除，而是連同良品整個剔除；人力複檢不但成本提高，每個人的檢查標準又無法統一，最終導致的結果，是平均會發生約2-5的產品未被檢出不良品而流入後段製程，即約每月至少2,000萬顆不良品之SMD元件，因未能在初期被檢測出，而造成後續各段製程中，不良品上依然會有印刷、加工檢查等流程，無論是油墨耗材及能源的浪費，增添了成本負擔，更因此加速設備磨損、使設備運作壽命簡短，而每一階段的浪費，皆會增加場域製程的碳排放量，不利於企業的碳足跡盤查。 0402修阻後樣品照片範例 傳統AOI 自動光學檢查的高誤判率也是業者面臨的一大生產痛點，在被動元件產業對於良率「寧可錯殺一百，不可放過一人」的高標準要求，往往會把 AOI 參數設定極高規格，導致設備異常敏感。當數據參數設定過於嚴苛時，易造成高誤判率。例如：當被動元件的汙染髒汙與印刷層顏色相近時，AOI 過篩誤判率可能高達 7 成。 汙染髒汙與印刷層顏色相近AOI易誤判 雷科有別於其他AOI供應商，捨棄了小圖拼接或線掃描方式，有效避免圖像處理時硬體或環境造成的資料遺失與斷差，採用超大面陣感光相機搭配訂製高解析度鏡頭，透過特殊影像進行合成處理。合成的過程中，感光元件的每個像素位置上都包含了從多個不同位置捕捉到的光線資訊。通過將這些資訊結合起來，影像的解析度和細節得以提高，達到億萬級別的分辨率，配合多重自動調整光源，單次拍攝可處理涵蓋7070mm，影像解析度可高達5um，取得清晰影像，再透過Smart-AI技術進行分析篩選。 三大妙法打造快速檢測Smart -AI 雷科總經理分享，快速將AI技術導入並減少檢查運算時間，並開發Smart-AI有三大方法： 方法一、先以AOI方式快速將良品與含爭議的缺陷品進行二分法區隔，將檢測重心放在少數不良的辨識上。 方法二、自動標註平台簡化訓練問題：運用攝影機蒐集機台的資料，用自動標註取代人工標註，逐步訓練以拉高精度，問題越簡單，訓練所需資料越少。 方法三、AOI與AI雙軌並進：在智慧製造流程中，僅僅單靠AOI或AI無法畢其功於一役，必須由AOI先行，將特徵值標出，同時區分是良品或是瑕疵部分，再以AI方式進行標註與訓練。接著利用可重複串聯的加疊效應，其檢測效益更大，隨著訓練資料累積越多，AOI比例降低，AI比例逐漸提高。 修阻後物件偵測與訓練 透過三大方法逐步構建系統信賴度，並將資料進行缺陷整理分類，最終將AI判斷結果回傳到主機，以雷射加工方式在製程前端控管將真正的不良品剔除，減少不良品流入其他站別，造成重複檢測或重複加工的損耗。 智慧雷射設備第一，選擇LASERTEK就對了 由臺灣品牌雷科持續打造結合AI智慧檢測與雷射加工設備，以逐步建構由原材料、產品、檢測、雷射設備等相互相加疊而成的智慧化監控解決方案，以降低生產製程之耗能為目標，落實發展半導體 載板及元件加工等領域，產出能在低碳條件下仍可滿足終端使用者需求之設備產品，以快速且優質的產品與服務來拓展國內、外需求市場，增加本土Made in TaiwanMIT設備之全球競爭力。