隨著智慧製造崛起，帶動高風險產業如化工、能源、電業在工安巡檢之需求。以化工產業在管線巡檢為例，高度仰賴人工定期巡檢監控，缺乏專業AI團隊的智慧監控，不僅費時耗力，恐造成員工在各樣工安環境意外風險。鑫蘊林科開發的影像分析AI平台不僅提升員工人身安全，降低危險因素，更讓人力肉眼巡檢管線異常的時間從平均一次100分鐘，大幅降低至3秒鐘的驚人成效。 鑫蘊林科股份有限公司Linker Vision的創辦人兼董事長謝源寶（Paul Shieh）表示「美國整體的科技發展與進步正源自於創業，鑫蘊林科在台創業初衷至今，期待藉由過去自己在美國創業打拼經驗，將美國創業精神和文化引介至台灣正萌芽的創業沃土中且能真正落實茁壯。」美式創業文化鼓勵員工重視ownership價值就是強調員工視自已為公司擁有者一份子，以捨我其誰的工作態度與精神，公司成就即為自己的成就，打破原本雇主與員工關係，而公司對表現傑出員工給予股票作為報酬，一同共享榮耀，建立與員工如partnership般合夥人關係。反觀台灣在創業文化與經營上仍有努力的空間，保有傳統的雇主與員工思維，期待將鑫蘊林科在台灣建立美式創業文化與價值能拋磚引玉以帶動更多國內新創企業跟進，進而升級軟體AI新創業的經營體質，才能破繭而出，走出國際。 面對市場國際業者大多數以開發AI模型及演算法為主軸，相對在投入數據為中心的Data-CentricAI服務的意願則不高，認為如2D 或3D大量資料處理相當費時又耗力。看見AI技術缺口並在微軟鼓勵下，鑫蘊林科多年前決定全力投入於Data-Centric的AI技術布局與深根，並專精在資料處理、過濾及精準度等方面的技術能量，也因此與微軟成為AI技術供應的重要合作夥伴關係。另外，在產業需求缺口，國內大廠，其強項為化工製造，在廠內管線巡檢，仍高度依靠人力進行監控，耗時又耗力。然而，為迎合產業AI化，業主將原本從事Database管控之IT部門改組為AI團隊，但礙於業主缺乏對AI軟體技術、AI模型及相關domain know-how之專業經驗，而造成業主導入AI落地到化工產業的工安監測更是挑戰重重。 全球首創AI自動標註技術 超越人工標記 視覺辨識物件準確率高達95以上 在AI技術能量上，鑫蘊林科推出全球首創的自動標註Auto-labeling與自動機器學習為雙核心創新技術，創造出有效率及穩定的影像分析AI平台，以提供客戶最先進完整的AI解決方案。在自動標註方面，此AI技術可克服深度學習中最困難的挑戰，也就是提供客戶最高品質的訓練資料。以自駕車為例，如何讓一台自駕車能有效辨識另一台車，這正是標註的重要性。過往標註方式，首先需蒐集數百萬輛車輛、道路、號誌、行人的數位圖像，並花費大量人力投入，每次以手動標註一個圖像，耗時耗力，人力成本高效率又低。透過自動標註AI技術，結合自動機器學習來自動標註數位圖像，AI可將人為錯誤標註排除在外，然後將正確的數據丟到車輛的大腦以進行車輛辨識。相較於人工標註準確率只有60，用AI自動標記與辯示物件的準確率可高達95以上，更可降低大於80手動標註的時間，節省掉至少80人力成本。 AI自動標記使用於高空作業的AI行為辨識 在自動機器學習部分，鑫蘊林科建立 AI視覺模型具備持續學習能力以適應資料變化，透過優化整體開發流程，從AI資料攝取及篩選Data Selection、AI標記AI Labeling、模型訓練及驗證、到佈署及監控，讓 AI 電腦視覺能更快速簡易地持續學習。自動機器學習目前可應用於不同的商業案例如 物件辨識與計數、人員進出安全偵測、商品瑕疵檢測、人流辨識、貨架商品端缺等。 看準國內業者如台積電、台塑和鴻海朝向智慧化AI管理並購置大量攝影機以順應工安監控的影像辨識需求，加上客戶既有組織對AI應用的不熟悉所造成的導入門檻以及影像辨識的前期準備如數據篩選、標註等繁複的作業流程，為此，近年鑫蘊林科致力加速AI電腦視覺應用的開發，提供客戶端對端服務，並且可依照客戶需求，彈性部署於雲端、地端、或是雲地的完整自動化AI解決方案服務。謝源寶表示，AI自動化技術流程透過客戶給予領域型的圖片，提供數據篩選Data Selection的AI技術，幫助客戶從大量如1百萬筆數據中自動篩選出精準如1萬筆數據，並藉由自動化標註Auto-Labeling的AI演算法技術取代人力標註有效替客戶省去大量人力成本，達到高效率的資料標註處理。此外，自動化機器學習的AI技術可幫助客戶端在工廠環境變化時仍能客製化AI自動模型訓練或重複訓練，提供更精準的AI模型並允許客戶可自主性操作。透過上述鑫蘊林科所提供自動化AI技術之重點特色與優勢，相信絕對可滿足客戶在自動化端到端AI自主學習平台的需求，同時可為客戶大幅省去AI團隊編制成本。 在技術競爭力方面，除了提供化工產業在智慧工安結合AI影像分析應用外，謝源寶表示，鑫蘊林科更可將自動標註與自動化機器學習的流程應用延伸於不同產業落地服務如自駕車、智慧倉儲自走機器人及未來智慧城市的自駕巴士等多元領域，其領域皆符合移動即服務Mobility as a Service之自動化移動精神，期待透過鑫蘊林科扮演的角色，可承攬不同產業進行圖片標註的流程，加速不同領域發展影像辨識服務的效率。相信透過提供客戶端對端AI解決方案及整套從Data Selection的AI技術、自動化標注Auto-Labeling的AI技術及自動化機器學習的AI技術等自動化AI影像分析的前期作業流程可大大滿足客戶在AI自主學習平台的需求。 影像分析AI平台 刷新從100分鐘降至3秒的智慧工安巡檢新紀錄 看見近年高危險產業如化工業者在工安監督的高度需求，鑫蘊林科推出「影像分析AI平台」Vision AI Platform，運用AI影像辨識技術，主要功能包含即時AI串流偵測、事件通知、定義客戶專屬的AI模型與持續學習等四大功能。在即時AI串流偵測部分，Vision AI系統可透過客戶的廠區攝影機結合AI模組進行即時AI影像事件的串流偵測，可協助客戶管理各種不同作業及廠區環境，並隨時隨地掌握各種工作情況；在事件通知方面，Vision AI平台可提供網頁版或APP方式或LINE即時通訊軟體提供客戶當時事件的影像紀錄，讓團隊不錯過任何事件，保持日常產能並減少意外；在定義客戶專屬的AI模型方面，可提供各樣的基礎AI模型，包含8款偵測場景電子圍籬、個人安全裝備、施工安全設備、施工作業、人員計數、畫面可用性、煙霧偵測、管線鏽蝕毀損、違規堆放供不同產業使用，客戶不需花時間寫程式，即可建立專屬的AI模型；在持續學習部分，Vision AI系統可提供客戶在AI模型的表現和精準度，隨著環境變化具備持續學習能力。 Vision AI具簡易使用者介面，直覺化操作，對於跨領域的產業，此平台具備自動化又彈性的AI能力，客戶不需花時間撰寫程式，即可建立由自主定義的AI模型，且Vision AI賦予AI模型持續學習和精進的能力，讓客戶可省去編制AI團隊的人力成本。此外，平台能大幅降低作業安全管理上所需要的例行巡檢作業之人力配置，提升員工在工作環境安全性，降低各個工作地點現場意外事件危險因素。在平台操作模式上，客戶可透過遠端操作降低人為監控操作風險，確保工作營運正常害生產運轉不停擺，更可以審視高風險作業情境並收集資料，協助作業流程的規劃與修正。此外，Vision AI為確保客戶遵守政府法規，透過平台的事件通知和管理檢測可幫助客戶能隨時掌控不同工作場域所需的設備及安全規範。 影像分析AI平台運用在跨領域的AI影像辨識技術 一般對於化工產業在工安巡檢方面，多數仰賴人員肉眼定期巡檢管線異常狀況，平均每次掃描一區域花上100分鐘，費時又費力，且管線位置難以目視觀測，恐造成員工在各樣工安環境意外風險。為降低化工產業在工安巡檢的痛點，鑫蘊林科協助國內知名化工業者，透過自動化影像分析AI平台，結合自定義虛擬電子圍籬，並運用廠區內相機配置AI管線洩漏模組，透過AI自動巡檢方式可高效降低異常檢測時間低於3秒。此外，佈署在廠內的相機可自動拍攝巡檢排程，達到全時段監控，讓客戶可即時發現且全面掌握管線，把危險降到最低。另外，自動化影像分析AI平台可協助客戶運用於廠區內火災警示，保守估計可提供投資報酬率小於9個月即可回本，平台使用越久，成本效益越高。 打造為Mobility as a Service在各領域的自動學習影像分析AI平台 謝源寶觀察指出，面對台灣整體在軟體公司的創業文化上最大挑戰，正是台灣年輕新創者或員工較不懂創業模式，缺乏視自已為公司擁有者一份子的認知，造成自己前途是模糊或抱持過水體驗的心態而讓自己無法堅持在一個新創企業長久勝任，是非常可惜的事。相信真正創業的精隨，是靠每位員工捲起袖子，埋頭苦幹，才能真正享受創業獲利的豐收果實，否則對於常換跑道的年輕創業者或員工而言，就如滾石不生苔，自己無法在創業路上落地深根，喪失扎實累積自己在經濟獨立能力。 鑫蘊林科在業務推展挑戰上，謝源寶感慨表示，由於台灣市場對AI軟體應用的認知不深，較多仰賴市面上open source的AI視覺分析或機器學習等資源，但實際上這些AI技術資源實可支持客戶AI模型需求的能量卻是有限，而造成AI視覺分析軟體品質在市場上良莠不齊的狀況發生。因此更間接波擊到鑫蘊林科能真正提供客戶專業且數據為中心Data-Centric的AI影像分析服務業者，更削減了公司在customer reference原本經營的價值。在技術研發挑戰上，視覺分析AI平台，不能僅仰賴AI模型專家，必須要集結各領域人才如雲端、機器學習、數據科學、前台後端等專業團隊組合才能讓平台成功運作。謝源寶表示，相信唯有透過視覺分析AI平台的自動學習、自動快速又準確的數據處理能力及提供客戶在雲端、雲端地端Hybrid到純地端完整的AI解決方案服務，才能真正說服客戶，從競爭洪流中脫隱而出。 展望未來，謝源寶期許鑫蘊林科能打造成為Mobility as a Service 在各領域如自駕車、智慧倉儲機器人、智慧城市的無人巴士自動學習的影像分析AI平台。同時，也感謝經濟部工業局支持下，鑫蘊林科能在台灣順利落地，並有機會招募各界人才共創打拼。短期布局，公司將積極與國內業者如鴻海、台積電在自駕車、智慧工安到智慧倉儲機器人等領域進行影像分析AI技術的落地合作。對中長期而言，鑫蘊林科將鎖定美國、歐洲、日本等國家為全球布局市場，並與國際大廠如微軟建立投資合作的夥伴關係，並複製成功經驗推廣至國際。 鑫蘊林科 官方網站nbsp 鑫蘊林科創辦人兼董事長謝源寶

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。