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

臺灣是一個海洋國家，你去基隆八斗子漁港或潮境公園遊玩時，是否順道去占地48公頃的國立海洋科技博物館探索海洋世界的奧秘呢為了讓更多人親近海洋科技，基隆海科館導入科技服務，將場館化身為一個大型科技遊樂場，讓大小朋友都樂不思蜀，充分發揮「寓教於樂」的功能。 歷經長時間的規劃，北臺灣最大的基隆海洋科技博物館於2014年元月開幕營運，館內以海洋教育科技為主題，號稱擁有全臺最大的IMAX 3D海洋劇場，主題具有獨特性、又擁有新穎的視廳設備，理應成為基隆知名的地標景點。然而，原先的展覽規畫以靜態為主，內容相當專業，與民眾互動不足，曾經前往參觀的遊客也反映展出內容有限且十分無趣，整體消費者體驗評價欠佳。 海科館不滿意的前3項為周邊景點連結弱、展示內容不吸引人、展示內容少 根據海科館的統計數據顯示，海科館遊客結構當地民眾與外來客的比重約為 64，其中外地遊客以北部居多；交通方式以開車與客運方式為主；出遊類型以家族、親子、朋友居多；逗留時間為 1至2 小時。 再深入了解，遊客感到不滿意的前3項分別為周邊景點連結弱、展示內容不吸引人、展示內容少等，館方分析可能的原因包括部分展示內容的呈現方式過於專業，讓民眾看不懂，以及缺發互動體驗的元素，讓參展民眾覺得無趣，停留的時間匆促而短暫。分析遊客的輪廓可以發現，由於基隆科博館主要客源有半數以上來自於當地民眾，外來客必須以開車或大眾運輸方式前來，來一趟並不是那麼容易，因此，場館與展覽的設計必須導入更多的互動性及趣味性，讓本地客願意一來再來，外地客的停留時間也能拉長一點。並透過科技服務將博物館特色凸顯出來。 經由經濟部工業局AI團隊之一中華民國資訊軟體協會引薦，海科館就委託巨鷗科技協助解決場館無法吸引人的問題。 巨鷗科技初步訪談之後發現，許多遊客前往海科館，大多是受到海科館建築外型、周邊牆面所張貼的告示及懸掛的旗幟、或正在舉辦的活動所吸引；而遊客最感興趣的為 3D 海洋劇場，顯示內容以影音、實體景方式呈現較能吸引遊客。 七大AI科技導入 海科館帶動區域觀光人潮 巨鷗科技透過科技服務的導入，將占地48公頃的場域設計成AI語音導覽、尋寶解謎遊戲、AI展物互動活化、AI空間展館互動體驗、AI人流管控、Face AI互動式體驗、AI語音客服系統等7大服務，藉由AIoT物聯網以及雲端科技讓看展變有趣、不僅解決孩童靜態看展無趣的議題，並可提升雙倍學習效率，讓消費者對海科館的印象改觀，大大提升來客意願，也同步拉升區域觀光人潮。 國立海洋科技博物館導入AI語音導覽等七大科技應用服務。 巨鷗科技以改善海科館空間場域優化為目標，透過臺灣北部海濱鳥類特展的展覽背景為雛形，結合包括「人臉」、「肢體」、「人流」三大主軸，從提升功能的面向，來協助改善海科館對AI的應用。 在具體作法上，海科館及巨鷗科技首先針對場域內的特展進行篩選，先避免在已展出的展覽內進行水電工程、管路等相關建置，影響到展覽本身的觀看品質，轉而找出展期未到的場館先行導入，透過展覽本身的特點搭配一系列的科技服務進行導入。 在海科館內臺灣北部海濱鳥類特展施工內容與策展人討論，初步在展館入口處利用Bella X1做迎賓互動說明，接著搭配AI智慧導覽中文英文X1進行講解，搭配趣味性尋寶解謎集章活動-APP X1，讓民眾闖關，後續將鳥類特展內鳥種進行標本活化互動X1、甚至在展覽空間中導入AR之情境X1增添趣味性娛樂，最後在Face AI做人臉之互動測試臉部進行微笑打分數。nbsp 華麗變身後的海科館將成為親子最佳旅遊地點。圖海科館FB粉絲頁 海科館這套AIoT服務未來可延伸運用於各大展覽類博物館，甚至擴及到靜態美術館等地區，依據不同場域特點導入。同時也可透過政府專案及相關計畫推動，幫助農村再生，讓遊客不再只是去農村看看而已，添加趣味互動以擺脫對不同場域的刻板印象，應用服務範圍十分廣泛。

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。