邊緣AI加速推進 AOI跨界滲透布局

【作者： 陳念舜】

AOI結合AI技術助力智慧製造領域少量多樣與客製化生產，不僅減少人力與作業負擔，提升良率與出貨效率，現今更拓展至智慧巡檢與協作機器人應用，成為推進製造產業升級的動能。

自從2011年工業4.0問世以來，將製造業從過去到了製程終端，甚至出貨前才會開始執行的品質檢測程序逐步向前推進。不僅要求在製程中，就要開始透過IIoT實時上傳資料、分析，甚至成為AI機器學習的根據。

甚至還要在製程前，就要開始建立數位分身模擬預測，以及邊緣生成式AI模型所需的資料庫，確保能在各種不同環境下維持相同品質、24/7不間斷運作，因此讓機器視覺（Machine Vision）檢測成為目前智慧製造發展最快領域。

其中包含量測、辨識、定位、檢查共4大項目，又以AOI自動光學檢測應用的比例最高，利用非接觸式光學儀器取得成品的表面狀態，再以電腦影像處理技術來檢出異物或圖案異常等瑕疵，比起人眼、接觸式檢測更快且穩定，也較不受限於載台或周邊環境限制。

除了利用模組化軟體結合工業用相機，也就是將「嵌入式視覺+演算法+影像處理軟體」整合納入AI模組相機，軟體，提供開發者快速的視覺流程評估概念，從影像輸入到視覺結果產出的過程，提供可視化結果操作介面。因此使得現今機器視覺的處理速度比先前更快速。倘若使用已開發完成的AI模組軟體與設備，降低設備及人才門檻，也可以快速上線，降低部署成本。

至於使用邊緣AI的價值，便在於從AOI蒐集到的數據進行分析歸納後，將資料拋到MES或EAP系統，以查出物料、製程等與瑕疵關聯的原因；進一步透過數據回饋來優化整體製程，以增加效能與產能、產品與服務的創新。

尤其是在現今少量多樣、客製化大批量的生產趨勢下，使用AOI+AI技術運用在產品生產較為複雜或辨識品質瑕疵的狀況下，將能減少人力、作業負擔、提升出貨品質或縮短出貨速度，並將問題分析的肇因回饋到製程當中進行調整，得以提高良率。

因此須有足夠算力與LLM，打造軟硬體服務的整合方案，分別適用安裝於受到硬體空間限制的邊緣AI裝置、高速流水產線上，執行嚴格品質檢測或是包裝出貨前檢查。並搭配鑑別/生成式AI模擬與訓練平台，縮短標註資料的時間與人力、成本，可在不同場域快速部署。甚至是搭載於新一代協作、人型/多足機器人，以執行智慧巡檢等更複雜、實時（低延遲）的功能，成為推進AOI、機器視覺廠商未來成長的主要動力！

【欲閱讀更豐富的內容，請參閱CTIMES出版中心】