:::

【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】巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用
巨量遙測空間數據AI分析雲端服務平台 使衛星遙測影像順利落地應用

衛星遙測影像雖然可以讓地面景物無所遁形,然真正要能落地應用至產業面,還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題,興創知能研發「巨量遙測空間數據AI分析雲端服務平台」,作為智慧空間資訊跨域AI應用導入的新開端。 近年來,為了因應產業全球化衝擊,臺灣農業轉型持續走向科技化與精緻化,紛紛從微氣候衝擊、病蟲害防治等問題的解決,來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用,有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代,人工田野調查是最基本、卻也最消耗人力的工作,有了UAV無人機的出現,航拍操作也許不太困難,但能拍的範圍受限,要精確地擷取空間資訊,還需要測量專業。此時,衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年,現代衛星遙測應用技術的突破,數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術,各國發展智慧農業成了最大的影像用戶之一,掌握作物的栽種分佈,就是掌握作物產量的第一步,有了免費的衛星遙測影像、強大的資料倉儲支援,以及團隊穩健的影像辨識技術,是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而,在過去,想透過衛星遙測影像來萃取大面積作物分布,也是困難重重,所需要花費的費用不說,若想使用免費的資訊,必須逛透國際太空機構的網站,在琳瑯滿目的衛星產品規格表中,審慎評估感測器規格、影像解析度以及再訪週期,找到適合的影像後,還得一幅一幅的看,去蕪存菁,接下來,動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔,所用的電腦容量恐不堪負荷。 還有,當克服影像存取、備好資料後,接著必須開始確認下載的影像產品,哪些才是想要的波段,因為眼前看到的影像並不只是一個圖檔jpg或png,複雜的多光譜資訊、屬性欄位和座標資訊,光是確認正確的資訊,就耗費龐大心力。 而面對功能複雜的GIS套裝軟體,又是另一個麻煩的開始,複雜的影像前處理流程,以及缺乏彈性的機器學習套件,大幅降低分析資料的效率。好不容易做出作物辨識的結果,才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題,恰恰就是市場的痛點, 興創知能從傳統的機器學習擴展到現代的深度學習應用,研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」,為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示,在我國國家太空中心TASA, Taiwan Space Agency的多年努力下,屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務,與國際趨勢正式接軌,強大的倉儲技術讓使用者可以輕易的根據需求,擷取並使用特定時間與空間範圍的影像資料,倉儲收納了國際太空機構旗下的多個衛星影像資源,包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅,USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅,以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限,興創知能以Python語言為基礎,整合GDALGeospatial Data Abstraction Library,並考慮運算效率與平行處理,完成所有衛星影像處理與影像辨識建模所需的工具開發,包含座標系統與資料格式的轉換、網格與向量資料互動,以及資料內差與正規化等工具,都是以AI應用為考量進行設計,而部分常用的工具更以TronGisPy為名,打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解,以及透過所蒐集的標記資料作物分佈圖資,預設好影像辨識建模過程,所需的訓練資料規格與資料集定義,套用事先完成的機器學習LightGBM或深度學習CNN框架,並讓整個訓練過程在Web GIS的介面中,提供使用者部分的彈性,自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作,也提供歷史模型的運用產出辨識結果,最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上,不僅只是農業才會有衛星遙測的應用需求,隨著各行各業為了提升企業全球性的競爭能力,空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言,擁有大量圖資的測繪業者,能夠透過AI分析雲端服務平台 ,收納圖資的同時也加速數化製圖的效率;在全球氣候劇烈變化與致災性地震風險之下,產業保險類別豐富,農業保險、金融保險或是災害保險,都與空間資訊脫離不了關係,透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構

【導入案例】AI嘛會煮咖啡 無人烘豆機靠AI 精準設點與培養忠實客群
AI嘛會煮咖啡! 無人烘豆機靠AI 精準設點與培養忠實客群

你早上來杯咖啡了嗎 臺灣於過去十年以來,逐漸形成一股喝咖啡的文化風潮,隨著AI技術的精進,無人烘豆機也能靠AI精準設點,同時培養忠實客群,我們來看看,這是如何辦到的 根據國際咖啡組織 ICO 調查,國人一年喝掉約 285 億杯咖啡,臺灣咖啡市場規模上看 800 億元,且每年約有 20 成長。 臺灣近十年來,人手一杯的「喝咖啡」文化,已成為流行的代名詞,而「咖啡」甚至以65的高比例當選為國人平日最常選擇的飲品,其中重度咖啡愛好者的族群更願意花費更高的價錢去選購符合自身口味的咖啡豆來享用咖啡。近兩三年來,越來越多無人飲品販賣店於臺灣飲品市場上問市。 無人咖啡飲品店無法快速展店,主要受到兩大問題困擾,一是客流量與機器設點位置的合適性,往往仍需憑藉人力進行評估分析;二是如何精準打入中高階咖啡愛好者市場 AI解決無人烘豆機設點合適性與培養忠實客群兩大難題 為解決上述兩大問題,協助無人烘豆機能迅速打開市場,昇銳電子擬以透過導入AI 人流計數分析與AI 人臉陌生辨識,來針對無人烘豆機的設置地點進行人潮數量計算,且歸類消費者的性別及年齡,以進行更為精準的商情分析;並提供消費者對於烘焙咖啡生豆的多重選擇,期以給予專業的咖啡愛好者更客製化的服務與貼近其需求和個人口味的一包「高品質烘豆」。 自2018年起,無人販賣店的興起,無非是因為業主想減少不斷上漲的租金與人事成本的費用支出,但在店面設點的初期評估,卻仍需花費鐘點人力費以人眼計算客流量,但人非機器,難免會有計算來店消費者與道路上經過人潮的錯誤率,而無法做到精準的即時客流分析,或甚至經過一段試營運後才進行估算是否達到設點的營運效益,以上皆會造成錯失最佳撤掉設點位置的停損時機。 昇銳電子搭配AI人流計數分析和AI人臉陌生辨識,推出無人烘豆機。 昇銳電子搭配AI人流計數分析和AI人臉陌生辨識,與帶來「黑金」風潮的咖啡進行商機結合,並且抓住臺灣眾多咖啡行家喜歡親自至量販店耐心挑選符合自身口味的咖啡生豆與喜愛去高品質的研磨咖啡廳或連鎖咖啡店之消費習慣與特點,故誕生針對咖啡豆產地、品種、烘焙方式等提供選擇的第一台無人咖啡烘豆機之新創概念。 AI烘豆機提升客戶忠誠度與物料管理效率達20 針對無人烘豆機的精進開發,昇銳電子工程師搭載AI NVIDIA 開發平台於TCNNFacenet 的基礎上進行,透過AI 將關於性別及年齡搜集之數萬張的影像資料進行樣本訓練,以針對首次選購咖啡烘豆的消費者也能利用人臉陌生辨識來簡單地歸類,藉此取得消費者的信任並提升使用意願,並進而進行購買資訊紀錄及未來商品購買推薦以產出消費者購買行為分析,便可使業主參照消費者對於不同咖啡生豆的偏好度高低,作為未來物料準備數量之依據,以降低原物料轉運及庫存問題,並提升物料管理效率達20。 再者,業主可透過放置此無人烘豆機於選定之人流匯聚率高的地段內,便能透過攝影機捕捉人潮,並針對機台擺設位置的客源是否充足,進行對於經過人潮數量的計算,進而評估消費者佇足購買機率的高低,並於短時間內分析出是否需要將機台進行移設,並可更容易地瞄準出中高階咖啡愛好者所在的最佳設點位置。 而關於無人烘豆機有專業烘焙模式介面,其針對咖啡生豆的產地來源、品種、烘焙方式(淺中深焙)、入豆與出豆溫度、轉速溫度與目標溫度等跟溫度、風速和秒數相關之選擇,提供消費者多種選項以烘焙出符合自己愛好的客製化精品咖啡豆。而若過程中業者針對機台有要進行改善的需求,工程師能配合調整韌體參數,也能協助與業主的訂單系統進行整合。 服務人員簡述無人烘豆機的操作方式 「黑金」透過AI 可更深入至咖啡廳、科學園區、商業大樓 此一無人烘豆機針對咖啡行家的客群,不僅能設點於中高階咖啡廳,以烘製相較於在量販店購買更為客製化的咖啡豆,更能在製作完成一包咖啡豆時,即時提供給咖啡廳內專業的技術店員協助進行咖啡研磨與手沖,而剩餘的烘豆也能將其帶回家之後自己沖泡與享用。在這之中也為咖啡廳帶來了附加價值,其可更加了解消費客群對於咖啡豆的偏好程度,並能推出更能吸引顧客的飲品促銷活動與進行合適的備料管理。 而除了咖啡廳,無人烘豆機也能透過AI 人流計數分析,精準設點於科學園區與商業大樓裡或附近店面,以提供其有高度飲用咖啡需求的內部員工,於辦公室也能手工沖泡的優質咖啡豆。另外,更能推出實體會員制以隨時發起選購咖啡豆之促銷活動,或不定時提出支付優惠回饋,進而吸引到新客源與培養既有顧客的忠誠度和黏著度。 智慧無人烘豆機的操作介面

【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