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。

近年來，人工智慧 Artificial Intelligence，簡稱 AI 已逐漸改變各行各業的運作模式，不過，絕大部分的工作仍然是由人類完成，AI 則扮演輔助的角色，因而出現了「AI Copilot」一詞，代表「由 AI 驅動的工具或助理」，旨在協助使用者完成各種任務，提高生產力和效率。 AI Copilot 的概念源自於「副駕駛」這個角色，在飛行中，副駕駛協助主駕駛員完成各項任務，確保飛行安全與效率。其實，工業革命的「機器」就開始有 Copilot 的影子，各種機器在不同領域中扮演「Copilot」的角色，輔助人類完成繁重的體力和重複性工作，大幅提升工廠生產效率，推動經濟快速發展。 隨著運算設備的進步、機器學習、深度學習、影像辨識等技術的突破，AI Copilot 的概念逐漸成形。AI Copilot 的發展標誌著從「機器輔助提升到智慧輔助的轉變」。早期的機器人只能完成預設的重複性工作，而現在的 AI Copilot 則能夠學習和適應新的環境與任務，並在實際應用中不斷優化自身表現。這一轉變不僅改變了人機交互的方式，也為各產業帶來了深遠的影響。 AI Copilot 的應用範圍涵蓋了各個行業，包括：金融、醫療、製造、教育、零售hellip等等，無處不在。 AI Copilot 於零售業的應用：AI 影像辨識結帳 在零售業，AI Copilot 的應用已經開始展現具體成果。 以 Viscovery 的 AI 影像辨識結帳系統為例，這套系統即為 AI Copilot 模式的一種，輔助店員加速結帳，或者輔助消費者簡化自助結帳流程。 nbsp 一般的結帳方式需要店員逐一掃描商品條碼，若是無條碼的商品，如：麵包、餐點，則需店員花時間先用肉眼確認品項，再一個個輸入到 POS 結帳系統中。根據一家連鎖麵包店實測，資深店員從「肉眼辨識」到「輸入一盤 6 顆麵包的商品資訊到結帳系統」的過程，就要 22 秒的時間，新進店員需要的時間可能更多。另外，根據一家日本麵包店業者分享，培訓員工認識、熟悉商品需要 1 至 2 個月的時間。 nbsp 現在有了 AI 影像辨識技術，店員可以把「辨識商品」的步驟交給 AI，由 AI 扮演 Copilot 的角色，1 秒內迅速辨識品項，加快結帳，整體節省 50 的結帳時間，優化顧客購物體驗。而培訓員工辨認麵包的時間成本，也能因此有效縮短。 nbsp 即便是帶有條碼的商品，AI 也可以在一秒內快速辨識多個品項，相比逐個掃條碼的方式，效率更高 nbsp 而有 AI 影像辨識「輔助」的自助結帳系統，則能夠讓消費者在沒有店員幫助的情況下，順利完成購物，省去刷條碼或在螢幕上查找品項的麻煩，提升購物體驗，在缺工、找不到店員的時代，也幫助店家降低營運成本。 nbsp AI 快速辨識多件結帳商品只要一秒鐘 圖片來源：Viscovery 近來，致力研發 AI 影像辨識結帳方案的新創在各國嶄露頭角，目前已知最輕量化的解決方案就在台灣，只要在結帳櫃檯安裝一支 Viscovery 的鏡頭與一台搭載 Viscovery AI 影像辨識軟體的平板，即可與店家既有的 POS 結帳系統串接，馬上啟用。 整合方式多元，有隨插即用的作法，也有與店家 POS 整合的 API 串接方案。 Viscovery AI 影像辨識系統可與店家現有的 POS 系統無痛整合 圖片來源：Viscovery AI 影像辨識結帳的導入實例 目前 Viscovery AI 影像辨識系統已導入台灣連鎖烘焙店、新加坡中式麵店、日本仙台百貨公司商辦超商 micormarket、日本麵包店與蛋糕店hellip等等。超過 700 萬筆交易筆數，都是透過這套 AI 系統完成，辨識超過 4000 萬件商品。這些使用案例展示了 Viscovery AI 影像辨識系統在零售行業的廣泛應用，未來將持續深耕、探索零售及餐飲運用 Vision AI 的各種可能。 nbsp Viscovery AI 影像辨識系統已導入日本、新加坡、台灣，使用於麵包店、蛋糕店、餐廳、便利商店等多個場域 圖片來源：Viscovery

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