隨著水資源枯竭與環保需求，汙水處理廠導入AI技術來協助觀測預警的需求日益增加，中欣行的汙水處理結合大數據與AI技術，打開環保產業另一片天，未來除了提升汙水處理產業的科技動能，更能夠推廣到其他類型產業，促進科技與經濟發展。 創立於民國69年的中欣工程行後更名為中欣行股份有限公司，為國內操作維護專業領域最具規模及技術之大型環保公司。中欣行進行的污水下水道系統操作維護工作實績遍佈全台，包括科學園區、工業區、國際航空站、學校、集合式住宅、國家公園及工廠等。 汙水廠導入AI系統 精準縮減加藥時間與降低水質超標罰款風險 中欣行於位於新竹科學園區汙水處理廠導入「AOMBR碳源與曝氣之智能強化控制系統開發」，能精準預測風量控制與縮減加藥時間，降低動輒上百萬的罰款風險。 中欣行表示，因應先進產業蓬勃發展及放流水標準漸趨嚴格，當設備控制失之毫釐，水質將差之千里。 近年污水處理設施多已加入設備自動控制之功能，現場狀況卻常常與學理略有偏差，導致很多情況下良好的處理技術需因地制宜，時時滾動時時調整，方能達到良好的出流水質控制。「放流水的水質越來越好，操作人員壓力只會越來越大。這是中欣行最大的痛點」，一位內部主管不諱言地說。 定期的水質檢測與設備保養維護，能確保放流水低於法規標準。 也就是說，每天操作人員需掌握設備與水質狀況，若有突發的進流水質異常或設備跳機，問題環環相扣下就會產生污染，所以每天除了做好維護保養與檢測的工作，更需要緊盯儀表板隨時確認系統正常，不僅耗費人力也耗費精神。 中欣行的現場操作人員24小時輪班，時時盯著放流水的質量監測，加上要採檢水質進化驗室檢測分析，一旦汙水處理值未符合要求，就需要受到環保單位與受託單位的行政與契約罰款，也對對於員工心理造成不小的壓力。 中欣行長期以來建立累積的水質資料與員工間傳承的豐富經驗，已能全盤瞭解整個系統的操作特性，也能透過設備或水質資料的關鍵訊號，抓出處理單元的問題。如果能透過AI技術導入，代替人力檢測汙水來源，透過發生預警訊號進行系統性的評估，就能夠大大減輕人員的壓力。 反應時間由8小時縮短至4小時 節省一半時間 於是，中欣行導入「AOMBR碳源與曝氣之智能強化控制系統開發」，運用所累積的汙水數據資料，加上操作人員現場經驗的口述，透過AI技術的輔助與環境工程學理的支持，便能有效控制生物處理單元中重要的關鍵參數：碳源加藥量與曝氣量，透過污水處理的AI化，使污染物去除、微生物生長、設備節能及操作節藥之間取得平衡，獲得合理化的操作控制參數。 水處理碳源及曝氣參數調整步驟從數據蒐集、模型訓練到預測驗證。 長期來看，納入歷史資料的計算後，確認處理系統承受能力的上下限，AI便能在已知的邊界條件範圍中，不僅記錄過去曾經發生水質與設備作動特徵，更能透過模式預測，找出最佳解法，提供藥品使用、能源節用、減少溫室氣體排放及去除污染物的最佳成效。 根據中欣行估算，原本因為人工調整參數易造成誤差，控制反應時間需要耗費8小時，透過AI技術導入，除可降低誤差值，也能將控制反應時間縮短至4小時，節省一半左右時間。進而提升人員周轉率，更有效降低員工操作失誤造成的心理壓力，自然也減少水質超標罰款的風險。 Dashboard數位儀表板示意圖

一台看似掃地機器人的AI智能割草機器人，在面積達30公頃的高爾夫球場草坪上來回穿梭進行除草工作。這是由國人自主研發與設計的AI智能割草機器人，此種機型搭載全球首創電子圍籬定位技術，可利用高精準定位的GPS功能結合雲端AI計算最割草路徑，已計畫搶攻高爾夫球藍海市場。 這款AI智能割草機器人由成立於2019年的台灣新創公司優式機器人進行研發，優式機器人總經理陳招成曾擔任台灣前5大ODM科技公司的執行副總經理，擅長軟硬整合工作。在他擔任服務型機器人聯盟總召集人時，就深知在少子化、人力漸趨吃緊的情況下，服務型機器人勢必成為高度成長的產業。 新需求》園藝市場規模大 剛性需求殷切 「發展服務型機器人核心技術，一定要找到剛性需求，綜觀歐美國家，人工短缺，然園藝需求增加，園藝工長年短缺7-10」，在此「剛性需求」強烈的情況下，陳招成成立優式機器人公司，第一個產品就是研發AI智能割草機器人。 以國外來說，美國是全球最大的園藝市場，佔全球產值高達30-40，估計約有100萬名園藝工，然近年來皆處於7-10的缺工狀態，遲遲無法改善。主要缺工原因為：人口老化，加上園藝工作靠勞力工作吃重，年輕人不想做。而不像在台灣，歐美國家對於草坪維護十分重視，並明文規定不除草，將觸犯法規予以重罰，因此，AI智能割草機器人的市場發展潛力相當大。 藉由AI多裝置智慧協作割草感測技術的導入，期望減少場務人員整理球場之負擔 優式機器人所開發的AI智能割草機器人已研發至第二代，包括國內大學院校及知名美術館使用最新機型M1，同時也在美國包括一些全球知名的高科技公司，及知名的大學院校等實際場域中運行，正進行後續商務合作的洽談中。 優式機器人表示，目前使用的專業RTK系統，可以將原本GPS定位的誤差從數十公尺縮小到2公分左右，讓機器人在戶外也可以精準的移動。簡單設定邊界後，便能透過APP輕鬆地進行作業。 新應用》導入高爾夫球場 解決人力老化及短缺問題 陳招成進一步說明，國土測繪局是RTK的服務商，RTK將定位點的誤差參考圖提供出來，優式機器人透過4G上網，即可抓取特定位置的定位誤差值。再透過優式機器人的AI演算法，將原本一般GPS 10-20公尺誤差值縮短到2公分。定位好之後，優式機器人再運用六軸加速器定位、陀螺儀、輪子的輪差等感測裝置導入，進行軟硬整合工程，搭配輪子的運動模式和地形的契合，才能達到精準的除草路徑規劃。 這款寬度62公分、長度84公分、高度 46公分，重量只有25公斤的智能割草機器人可以在雲端將割草邊界設定完成，可以透過設定避掉水池與沙坑，用AI演算法自動計算出最佳路徑，一小時可除草面積大約是150坪，電池可以連續使用6小時以上，電池續航力是目前全球最高。 除了一般園藝公司外，在經濟部工業局AI計畫團隊的協助下，將優式機器人的AI智能割草機器人導入高爾夫球場的割草應用。 位於台中市太平區的知名高爾夫球場現有場務人員5人，負責整個球場30公頃的草坪、植栽維護、及其他景觀維護工作。但因場務人員平均年齡高達55歲，且長期無法招募到新的場務人員，針對場務人員的老年化及人力的短缺，希望能尋求AI科技的導入來減緩衝擊，因此藉由AI多裝置智慧協作割草感測技術的導入，期望減少場務人員整理球場之負擔。 新挑戰》因應草種不同 需藉由專家系統克服困難 「這款AI智能割草機器人具備低噪音、低汙染、低人力成本及防水、防盜等配置，在割草的過程中，能透過超音波感測器辨識避開障礙物，並同時保持除草品質，維持美觀一致的割草長度」，陳招成接著表示，高爾夫球最重要的是草紋要漂亮、不能有病蟲害。 根據場勘後發現，高爾夫球場地主要分為果嶺、球道及長草區三大區塊，長草區以現行機器人除草沒有問題，20度以內的斜坡道都能夠克服；球道區的短草只能維持兩公分，草種也不同，需要修改刀盤設計；至於果嶺區的草因為影響到推桿速度，不僅要除草，還要壓草至與地面貼合，草的方向要一致，諸多因素均會影響到果嶺指數，這部分需要更多的研究與測試。 AI智能割草機器人能透過超音波感測器辨識避開障礙物，並同時保持除草品質 AI智慧割草機器人內建攝影鏡頭，可以用來偵測草坪的健康狀態，陳招成表示，未來也將導入專家系統，及早判斷草坪是否有病蟲害或水分足夠與否，將草坪健康數據分析提供給客戶參考，可及早防範與因應，以減少災害損失。 本身也是高爾夫球好手的陳招成表示，台灣高爾夫球發展得很好，然而，受到氣候多雨潮濕、有颱風等天候因素影響，與國外一流球場比較，台灣的高爾夫球場土質偏硬，坑洞較多，若智能割草機器人要普遍導入高爾夫球場仍有許多困難必須克服。但因台灣的困難地形造就很好的試煉場所，一旦台灣能夠克服諸多問題順利導入，就能擴展到海外市場，搶攻新的藍海市場商機。 優式機器人總經理陳招成

2017年，iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門，也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測，若透過AI推論模型可解決良率偏低產業難題，提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場，包括機器人、移動設備、監控、無人機，以及ARVR等。VCSEL在需求高速調製功能的應用（例如照相機和生物計量）中堪稱為不錯的解決方案。 VCSEL技術應用層面廣，也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示，VCSEL封裝元件市場也面臨到商業對手強力的削價競爭，需要進一步降低成本提升、產品競爭力，其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高，但成本較環氧樹脂透鏡高，因環氧樹脂經切割製程，側壁切割道上容易會有毛邊，造成尺寸過大，容易在打件時因為受熱而產生的應力釋放，將會直接導致光學透鏡破裂。 赫銳特科技指出，VCSEL環氧樹脂透鏡的入料檢測十分重要，在封裝空間的限制下，封裝與光學透鏡貼合的空間有限，且此光學透鏡會被侷限於一金屬框架內，若是沒有控管好尺寸公差，很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂，造成VCSEL封裝可靠度驗證良率損失最高達到10，造成生產成本增加。 為解決上述問題，赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段，可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵，確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測，經通過大略的人眼目檢分辨好壞，為順利收集影像數據，首先需要解決影像蒐集的問題。 因此，赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection，AOI，自動光學檢測裝置包含X、Y、Z三軸動及高解析相機，及相關控制軟體自動記錄影像。蒐集完成後的影像資料，經opencv將測試影像Test與一標準正常影像Normal，進行影像對位後取出Test與Normal影像的差異部分，並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類，進行手動標籤標示包含：正常、外觀瑕疵或形狀特徵差異之樣品，後進行演算法訓練與驗證，使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習，以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異，導入前的VCSEL入料透鏡檢測，僅透過簡易的人工外觀檢測，將透鏡封裝在已固晶的VCSEL封裝體上，通過一般點亮檢測後，最後進行可靠度測試高溫回焊，失效樣品進再入重工流程。 但在導入AOI檢測之後，可提前將有問題的透鏡篩選出來，除了可以降低後續物料投入的成本，亦可減少失效情形降低重工的需要，因而提升可靠度驗證良率達95以上，預期可協助場域業者降低生產成本達10，提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出，這項技術是基於微小影像開發的AI應用技術，透過深度學習演算法辨識影像瑕疵，用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別，因此不再需要繁瑣的編程。 而在工業機器視覺環境中，深度學習主要用於應用中的分類任務，例如在工業產品的檢驗或零件的辨識，未來隨著IOT穿戴裝置的發展，符合節能省電的潮流議題，光電元件尺寸將不斷的縮小，本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。