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。

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。

赫紀有限公司到「台灣兒童發展早期療育協會台東辦事處」舉辦一場AI故事繪本的互動教學，讓兒童、老師、家長一起進入沉浸式體驗教學。 AI生成兒童繪本教材 AI學習平台 nbsp 近年來台灣社會結構的改變，加上在醫院急診的經驗中，我們常常忽略了青少年所表現出的憂鬱症狀，導致孩子們出現自傷甚至是自殺的悲劇。孩子們憂鬱的產生往往很大部分都來自於學業上的表現，家長擔心孩子未來沒有競爭力，因此給予很多壓力在學業表現不佳的孩子身上。 nbspnbsp 一個家庭兩個孩子，有著相同的基因來源，提供相同的成長資源；我們發現第二個小孩通常在課業上的表現都不盡理想，成績不好，上課無法專心，就連看漫畫、打電玩也都無法有耐心與毅力完成，到底差異點在哪裡，我們一直在探索問題是如何發生helliphellip結果發現原因是幼兒時期對學習力出現障礙而沒有發覺。因後天環境因素導致學習力出現遲緩的孩子，八成以上的家長不會承認，也沒有意願帶孩子診療，主要擔心孩子會被貼上遲緩兒的標籤，因此孩子的學習力從幼兒時期就被迫遲遲了，進入國小國中後課業加重，落後幅度更大，家長生氣，孩子力不從心，家庭爭吵增加了，家長擔心孩子學業跟不上，便開始要求孩子要去補習，如果成效不好，花錢得不到好效果，則再次發生家庭革命，這些事件的不良循環都逐漸造成許多孩子在成長過程中累積了很多負面情緒進而影響健康的種種因子。 其實孩子考不好、學不會、不喜歡學習新事物，甚至產生影響健康的心理病症，背後很大的原因其實是幼兒時期學習遲緩累積造成的。六歲前是學習遲緩治療的黃金時期，若能在黃金時期可以發現與協助輔導，孩子們的學習能力將有機會可以被改善與得到10倍成效目前產業的痛點為以下 1缺乏學習力檢測方式市場缺乏樣本數據庫比對 2傳統家長思維迷思輕中度怕被貼標籤延誤治療 3缺乏治療教材教具治療行繪本和系列課程圈乏 本計畫將研發一個國家人才發展的生根輔助系統，利用 AI 技術發展出影響人一生健康的幼兒學習力檢測系統，陪家長共同守護孩子的「健康從學習力檢測」開始，早期發現、早期治療。在未來，台灣所有的孩子，不論出身，都能在幼兒時期將一生健康扎好根，長大後，孩子都能成為台灣國家發展的有用人才。 nbsp 2、nbsp 計畫內提出之AI應用技術與說明： 「兒童語言能力AI分析模型」。用以對「兒童表達一件事情」的「國語使用狀況」的「量化分析」。 情境：幼教師引導孩童敘述繪本內容。AI工具解析孩童描述繪本內容所使用的語句，並透過統計演算法量化分析孩童使用的語句。 分析指標：以「句型」及「語詞」為分析指標。分析內容包括：句型正確性、語詞多樣性、語詞使用數量、語詞使用正確性。 應用：單一孩童與同儕間語言能力分布的比較分析，可提供幼教師對不同孩子提供更細緻的語言能力教學。 使用技術：中文斷詞（中文分詞）技術、中文詞性標記技術、中文句法規則分析演算法、量化分析演算法。 使用工具：中文斷詞工具、中文詞性標記工具。 nbsp 3、nbsp 預期達成之產業價值： nbsp成立學習力檢測與輔助系統，透過治療型繪本與課程與幼兒園合辦學習力養成基地，讓孩子別停留在起跑點，陪家長守護孩子健康，從檢測學習力開始為目標，以強大樣本數據庫為後盾，提供家長早期發現孩子在學習上的延緩，協助孩子找回學習力。 nbsp 4、nbsp 預期達成之產業效益（經濟效益及未來擴散性、帶動性）： 透過本計畫，只要協助遲緩孩子學習力能大幅提升，孩子是國家的主人翁，自然可以幫助國家在人才發展上得到看不到但非常實際的潛在影響力。同時，學習力養成基地的目的，就是要幫孩子找回家長，以增加孩子與家長互動的時間，讓孩子可以拋去單純 3C 的單面向互動變成與家長雙面向互動。這將潛在影響被環境耽誤有潛在能力的孩子再次得到機會發揮。