:::

【109年 應用案例】 自動篩果系統:利用類神經網路、AI、自動化提高篩果效率,提昇 10 倍效率、增加 17 億產值、93%準確率大幅增加品質的解決方案

臺灣地處亞熱帶,又有多樣化的地理環境,相當適合種植水果;舉凡香蕉、鳳梨都曾是紅極一時,讓我們引以為傲的熱門出口商品。然而,因為消費國農民逐漸掌握到了臺灣水果優良的種子,可以自行種出同等品質但是更加平價的相同水果,致使我們的水果出口面臨重大危機!目前,臺灣的水果如芒果、芭樂雖然仍有一定競爭優勢,但若是未能比其他國家更進一步,假以時日仍然會落入同樣的問題當中,不容我們輕忽!水果品質與品牌價值是臺灣水果產業於國際間保持競爭力的不二法門。

篩果工作是水果產銷當中決定品質的主要環節,目前業界卻囿於高度倚賴逐漸老化的農村人力,致使缺工下篩果成本上揚,良率也極難一以貫之保持穩定;因此,篩果工作的自動化,就成為相當重要且急迫的課題。國立清華大學電機工程學系李祈均教授帶領團隊透過攝影機、輸送帶、以及 AI 結合出的自動篩果系統,目前具有高達 93% 的準確度。一個產季就能為芒果單一商品提昇 17 億的產值。隨著 AI 系統的逐步發展,未來準確度可望提昇外,也可以將同樣的系統應用在其他水果之上,進一步推動水果全程產銷履歷,帶動臺灣水果產業科技化升級。

篩果工作非常仰賴稀缺的人力,農村人口老化更是雪上加霜

李祈均教授(後稱李教授)在一次聊天中,從曾一起在美國讀書的同學余(化名)處認識到水果產業面臨的困境。余是一家臺灣數一數二的大型水果國際進出口廠商的年輕第二代。根據余投身產業多年的觀察,臺灣水果初期生產出口往往可以得到相當不錯的利潤,但消費國的果農往往在取得種子之後,就會嘗試摸索在地育種,以降低成本獲取更大利潤。臺灣水果若是在品質或品牌價值上無法超出消費國果農的產品,就會因為競爭者的成本確實較低,而被淘汰。

篩果是將水果按照品質分級,如果連最低規格皆無法通過,則會打消為廢品。實務上,篩果這個工作會由農民集貨場以及經銷商的包裝場分別執行,但如果集貨場處理得不好,而包裝場又在前期抽樣沒做好,就會造成經銷商的損失,最多甚至白白打消 30% 的 A / A+ 等級的水果。

這個工作極度仰賴有經驗的篩果人員,比較有經驗的篩果人員,不只可以控制好品質,降低篩果過程中傷損水果的機率,甚至有能力額外揀出約莫 10% 的 A+ 等級水果,大大增加許多價值。令產業憂心的是,有經驗的篩果人員因為農村高齡化而逐漸凋零,成為非常稀有的資源。這樣稀有的人力資源每每在農忙時期炙手可熱,大家爭相搶奪,搶不到的農家或是經銷商,只能遷就於比較次級的人力,蒙受承擔額外損失的風險,付出更大的成本;最不幸的狀況,便是遭受前述 30% 的打消損失。

篩果是水果生產後期包裝銷售時的重要流程,若是品質控管沒做好,將會造成巨大損失

▲篩果是水果生產後期包裝銷售時的重要流程,若是品質控管沒做好,將會造成巨大損失。

AI非常適合協助篩果工作,只不過數據集的取得困難

李教授在了解余的困難之後,發現這是一個可以利用 AI 來解決的問題—篩果雖然高度仰賴具有經驗的篩果人員,卻是一個重複性很高的工作;而處理重複、資料量大的工作一直都是 AI 的強項。

不過,在研發工作還沒有開始,就面臨第一個令人頭痛的問題:要從哪一種水果開始?

首先,合適的水果需要有一定的出口量,而且必須是仍具有相當成長空間的果物;如果是部分較缺乏國際競爭力者如香蕉、鳳梨等,廠商已經沒有餘力投下更多資金購買設備,更遑論在研發時期贊助經費或是協助研發團隊實驗了。

既然有了想法,當然就要加緊腳步盡快開始實行!於是,目前仍保有一定規模優勢的愛文芒果,雀屏中選成為自動篩果系統的第一個實驗對象。

芒果採收後的第一關,就是在集貨場進行第一次的篩果,待篩果完成之後,即送至包裝場進行熏蒸消毒、準備銷售或是裝櫃外銷。然而,對於目標市場有較深入了解的外銷廠商,對於品質會更加嚴格要求,往往在包裝場熏蒸之前,還會再行篩果一次以把握水果品質。由於集貨場的員工是以篩檢的芒果數量而非芒果品質計算工資,以量取勝往往是他們工作的傾向;如此一來,後一手包裝廠為了選果品質,便不得不重工篩果而徒增勞務。解決方案看來簡單明瞭—只需要透過攝影機、分級分流的機器輸送帶,以及搭配上可以從外觀分辨芒果品質的 AI 就能夠自動篩果。但是,難點就在於 AI 要如何分辨芒果的好壞呢?對,就是必須從建立一套訓練數據集開始!為了建立數據集,李教授團隊建立網站,讓所有人都可以上傳芒果照片並且為它們分級;在完善數據集後,就能利用它們來訓練 AI。

若是集貨場的篩果工作沒有做好,包裝場又會再打消或降級最多 30% 的水果造成損失。

▲李教授團隊研發出的篩果機透過AI圖像辨識篩選品相上佳的芒果。

經過訓練的 AI 準確度高達 93%,一個產季就可以提高 17 億產值

108 年,透過工業局(現經濟部產業發展署)與 AI HUB 的協助,成功加速技術進場實證。

李教授團隊在 2 個月實證期間累積 10 萬筆數據,經過訓練的 AI 準確度高達 93% !比起正確率 70% 的人工作業高出許多,在品質上有了很明顯的差異。以出口價值計算,一個芒果產季預估可望提高 17 億的產值!更可以節省人力成本達 186.6 萬,並免於前文所提的季節缺工問題。

除此之外,因為不再需要集貨場和包裝場各篩果一次,也減少篩果過程當中人為疏失所造成的損耗。待技術更臻成熟後,未來也能將同樣的系統應用在其他的臺灣出口水果如蓮霧、芭樂上,讓臺灣的水果產業更上一層樓。

既然是 AI,就能經由不斷訓練來提高準確度,透過演算法的持續調整,以及與設備廠商的合作,可以大幅提昇產能。另外,李教授也在廠商及政府的贊助之下舉辦 AI Cup 競賽,讓更多團隊使用同樣的數據集來繼以推動演算法的發展,期待能帶動更多有興趣投入的業者進一步合作。

AI HUB 上的愛文芒果等級辨識系統

李教授團隊期許透過 AI 的力量,能夠建立水果從生產到包裝運輸的完整履歷,藉以提昇臺灣水果的品牌價值!除了期望讓臺灣水果在國外競爭激烈的市場搶占一席之地,也能隨著質量兼備的供貨,讓臺灣水果在國際上大放異彩,成為臺灣之光。

台灣水果在國際市場上仍有一定競爭優勢,但隨著外銷出口,也面臨消費國果農的競爭壓力。

▲臺灣水果在國際市場上仍有一定競爭優勢,但隨著外銷出口,也面臨消費國果農的競爭壓力。

每年芒果季輕鬆省下 186.6 萬,而且大幅提高品質

▲每年芒果季輕鬆省下 186.6 萬,而且大幅提高品質。

 

推薦案例

【導入案例】維繫遊艇王國美譽 嘉信遊艇導入國內第一套FRP複材超音波智慧檢測
維繫遊艇王國美譽 嘉信遊艇導入國內第一套FRP複材超音波智慧檢測

位在高雄的嘉信遊艇,成立逾40年,是台灣最大客製化遊艇業者,客戶遍佈美、歐、亞、澳各洲,為臺灣贏得「亞洲遊艇王國」的美譽。為了解決目前FRP船體檢測仍仰賴傳統方法如人眼辨識、敲打辯聲,耗時費工問題,嘉信遊艇首度將PAUT 陣列式超音波檢測運用於船體FRP複材上,並結合AI判讀超音波影像,發展完整智慧化解決方案,創造檢測業新興市場。 嘉信遊艇前身是嘉信木業有限公司,剛成立時是間位於高雄市臨海工業園區專營木材進口的工廠,1977 年開始進行遊艇設計、製造與銷售。企業第二代接班人,即嘉信遊艇總經理龔俊豪進入公司後,打破過往仰賴老師傅功力為主的製造模式,引進數位化製作,加快造船速度,船也愈做愈大,多年排行世界24公尺以上大型遊艇前20大製造商。並創下在一年內交付94艘遊艇的紀錄,為臺灣贏得「亞洲遊艇王國」之美譽。 瑕疵檢測確保遊艇品質 以AI取代人力效益高 為確保遊艇品質,瑕疵檢測相當重要。目前遊艇業採取的瑕疵檢測方式仍十分傳統,通常以手積層或是真空灌注製程方式製造船殼結構,藉由人眼或是敲擊法依敲打聲音頻率來判別瑕疵,需要人工耗費時間檢查,如有瑕疵須重工修補,接續執行噴佈膠殼作業。為便於檢測,船體必須分段施工,以24公尺以上大型遊艇而言,分段施工非常耗時耗力。 為縮短遊艇製程之速度,嘉信遊艇會先將船殼進行膠殼流程,之後再執行手積層製程,船殼製程有兩種複合材料試片結構,以遊艇54呎船殼來看,船殼中內含膠殼、芯材、纖維、樹脂,總厚度約為32公分plusmn01cm,與未含有芯材的FRP船殼總厚度約16cmplusmn01cm相差一倍之多。製程中偶會有玻璃纖維含浸不完全,或是玻璃纖維與樹脂間殘留氣泡等瑕疵問題發生,瑕疵的種類則包含樹脂不足、空洞、層離等,一出現瑕疵情況,船殼材料就供應不上,拖延遊艇交貨時間。 玻璃纖維船殼瑕疵種類示意圖。 為解決此一問題,嘉信遊艇與金屬材料產業以及AI科技產業三方專業技術的相互合作,結合金屬材料產業的超音波檢測專業技術與AI科技產業近年發展的AI技術協助解決嘉信遊艇瑕疵判別的問題。作法是運用相位陣列式超音波檢測技術至遊艇複合材料結構,進行FRP超音波試掃評估,瞭解遊艇船殼積層層數厚度與材料特性,依據超音波專業經歷,評估船殼結構適用的超音波探頭頻率等資訊,經測試以頻率5MHz且探頭寬度為45mm的探頭設備,能成功找出模擬瑕疵試片中的瑕疵位置及大小。 三方合作從陣列超音波評估、AI技術模型開發及實船實證應用,獲得瑕疵檢測解決方案。 檢測影像為超音波信號影像,影像依據超音波回饋訊號呈現不同色彩,透過YOLO演算法,建構自動識別瑕疵的部位的AI模型。若異常資料蒐集程度不足以訓練,則預計採用 CNN-based Autoencoder 演算法,蒐集正常影像資料進行訓練,建構異常檢測的AI模型。物件偵測YOLO模型的訓練將輸入具有瑕疵標註的影像資料,異常檢測模型則是輸入沒有瑕疵的影像資料進行訓練。 模擬缺陷試片對應相位陣列超音波信號結果 AI系統瑕疵檢測 可縮短15個月工期 加快50判讀速度 此套AI系統建構完成後,運用至嘉信遊艇實船54呎遊艇進行驗證,可有效解決嘉信遊艇瑕疵之問題,並可望藉由 AI 技術導入超音波檢測進行智慧化判讀,約可加快50之判讀速度,同時縮短15個月的工期,有效提升遊艇製程時程與品質的效益。 當臺灣遊艇發展朝向大型化、精緻化型態之際,帶來產業優化與轉型的機會,以及發展關鍵技術的契機。複合材料超音波人工智慧檢測方案之應用為遊艇業界首創,預計可吸引更多有檢測需求之遊艇廠商。 複合材料超音波人工智慧檢測方案有三大競爭優勢: 1 專業檢測經驗及數位化資料庫,便利製程管理與分析。 2 人工智慧AI自動判讀與辨識,快速辨識瑕疵,即時回饋給製程工程師。 3 高效率製程流程檢測,提供瑕疵修復建議,降低損壞率,強化複合材料強度品質。 導入人工智慧技術應用後,可優化遊艇製程流程,減少人力檢查樹速度,達到臺灣遊艇應用人工智慧之加值效應,擴大國際訂單量,讓臺灣遊艇持續在國際間享有盛名。再者,此一商業模式也擴散至複合材料相關之應用領域,增加跨領域市場使用率,預估將貢獻全台灣設備維修及非破壞檢測市場約新台幣14至20億元的經濟效益。

【解決方案】連聯合國都買單 悠由數據應用運用農業數據搶攻全球商機
連聯合國都買單! 悠由數據應用運用農業數據搶攻全球商機

近2,000個在田間蹲點的日子,讓悠由數據應用公司成為台灣在農業數據領域的佼佼者,對於農作物產量、產期與價格的全盤掌握,更讓它做到能與聯合國合作,服務農地面積在短短不到3年,從24公頃擴展至超過6000公頃,飆漲250倍。對於悠由數據應用創辦人兼總經理吳君孝而言,因應全球環保趨勢,成為氣候科技X綠色經濟的數據公司,並服務全球市場,是他創業的終極目標。 工程師出身的吳君孝,在2010年進入資策會,成為涵養他深厚技術與資料科學分析實力的重要沃土,讓他練就一身功夫,得以大展拳腳。「當時,我在做資料分析工程的工作,會內幾乎所有的數據相關資料都會匯集到我這邊,加上那時執行過室內栽培箱,要種菜、種香菇,因此,農業結合數據分析就此埋下創業的種子」。 吳君孝自2016年起,就常常到農場內「蹲點」,跟農民、農改場人員聊天、交換情報,系統性地大量交換資訊,讓吳君孝的農業Know-How快速建立。 堅實的數據分析技術能量 連聯合國都買單 2017年,他離開資策會自行創業,並於2019年創立悠由數據應用公司,目前許多農企業皆是他的客戶,服務的栽種面積從24公頃快速攀升至逾6,000公頃, 2022年可望超過7,000公頃。客戶遍及海外,包括日本、中美洲市場,甚至聯合國下轄機構-世界農民組織,都使用悠由數據支持的「悠由農作物演算系統」。 悠由數據應用公司究竟是如何做到連聯合國機構都買單 悠由數據應用建置的「悠由農作物演算系統」,準確預測產期產量與價格。 首先,由於吳君孝對農業數據的精準掌握,悠由數據應用的客戶不見得要用到感測器Sensor等硬體設備,「感測器成本高,若購買便宜的設備,反而蒐集一大堆雜訊或錯誤數據,完全派不上用場」。吳君孝接著說,蒐集數據不一定要使用感測器,透過我們的數據解決方案可以更直接有效的解決問題。 例如,悠由數據應用的產品之一-悠由金錢報農產價格Linebot,係2020年與LINE合作,蒐集產地、批發、終端價格長達10年以上的數據,由悠由數據自主研發AI演算法,讓系統自主學習農產品交易價格,更以大數據與人工智慧分析進行價格預測分析,協助採購商降低交易風險,讓數據不止於生產端,更擴大應用至農產供應鏈。 以香蕉價格來說,預測價格的準確率從原本70拉高至998。吳君孝指出,不管採購商或農民,對於價格都十分敏感,現在透過悠由金錢報服務,無論是採購商或農民,都能很精準了解農產品價格波動情況。悠由數據也能針對預測作物生長情況、產量、價格預估模型等,向客戶做出最佳的決策建議。目前價格預測可達28種農作物。 精準預估產期及價格波動 悠由數據靠數據分析做出差異化服務 悠由數據應用公司所提供的「悠由農作物演算系統」內建「參數庫」,通常會搜集200~300種參數,不光是溫度、濕度等比較直觀的數據,還會依作物生理的特性去切分。透過有效動態數據的演算法,可以精準估算農作物何時會開花、何時能收成,產量是多少等。如青花菜產期預測準確率為0-4天,開花期預測今年實際使用上是0天,與現場開花時間完全吻合。而在動態的計算當中7天內都是合理範圍,悠由數據的誤差值平均在2-4 天,大多數作物產期準確率均在80以上。 透過有效動態數據演算法,全球超過120種作物可精準預估產期產量及價格。 透過有效動態數據的演算法,可以設定預估產量多少,協助在生產端做調整,悠由數據應用的客戶多以外銷的水果作物為主,如鳳梨、香蕉、芭樂、芒果、文旦、鳳梨釋迦、小番茄、洋香瓜、西瓜、玉荷包,荷蘭豆、毛豆等,尤其是毛豆,佔台灣外銷第一,種植面積達400多公頃。全球120多種作物、超過600個品種都可以適用此套系統。 台灣農業生產同質性高,容易造成一窩蜂搶種,導致價格崩跌,悠由數據應用要幫助客戶做出差異化,因此,吳君孝將公司定位在精緻的數位顧問,所採取的策略是慎選客戶,重質不重量。他分析,台灣的農業客戶著重的是如何提升良率,甚至將良率分級,規格品質均佳,走精緻化的高階外銷市場;國外客戶重視的是如何提升單位產量,國內外的操作方式有別。 除了農作水果外,悠由數據應用也將服務觸角延伸至漁業,包括虱目魚、金目鱸、白蝦等,均使用同一套系統,將各種跟魚蝦生長有關的參數建立起來,何時下料、何時收成,產量多少等,藉此預測產期、產量及價格。 悠由數據應用善用數據力量,創造智慧農業奇蹟。 因應公司的高速發展,悠由數據應用於2021年引進創投資金,進行人員擴充與業務推展。吳君孝表示,因應全球2050年淨零碳排趨勢,未來也計畫將協助客戶在土壤中種碳,有效將碳保留在土地上,同時引介客戶對接碳交易平台,與客戶共創環保商機。 吳君孝表示,剛開始創業時就將公司定位為全球化公司,因此,與國際合作的方案將不斷推出。而成為氣候科技X綠色經濟的數據公司服務全球,這是吳君孝對自己的期許及公司的長遠目標。 悠由數據應用創辦人兼總經理吳君孝

【導入案例】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
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