DIGITIMES Research：AI視覺有助提升製造流程品質 軟硬體架構適配性決定AI系統優劣

品質改善是企業生產流程重要指標之一，近期AI視覺應用對品質改善帶來很大的助益，然DIGITIMES Research觀察，從硬體層面與AI視覺面探討，部分企業仍無法順利評估導入，因素一是許多公司內部缺少相關專業人才進行評估及導入工作，需借助人工智慧開發商及硬體廠商協助；二是專業領域知識在於企業本身，供應商難以取得這些專業知識下，易生盲點，恐難研擬出改善品質的最佳方案。

觀察目前機器視覺與AI視覺主要架構組成，光源以考量成本、壽命、客製化程度的LED燈為主流，相機以考量高品質取像的CCD模組為主，傳輸介面以考量布線成本低的乙太網路為大宗。

其中，相機位置依場域特性分三類，一為眼在手(eye in hand)，適用於電子組裝業；二為眼到手(eye to hand)，適用於物流產業；三為眼看手(upward looking)，適用於面板產業；相機位置選擇合適與否影響整體生產稼動及辨識正確率。

機器視覺與AI視覺的差異在於運算軟硬體、參數控制、品質統計等面向，方案選擇與預算規劃、預期目標、演算模型、部署工具互有相關，若缺乏完整配置評估恐影響AI演算結果，而無法達成預期目標。

DIGITIMES Research分析師黃耀漢認為，目前製造流程導入AI視覺雖為業界積極投入的熱門議題，但並非所有應用都有導入AI視覺的必要。儘管AI視覺在品質檢驗上優點多於機器視覺，但相對需投入的資金與建構時間較機器視覺多，因此中短期而言，AI與機器視覺會同時並存於製造流程，使用者依自身需求選擇最適方案，然長期而論，導入AI視覺的成本將逐年遞減，或有利加速製造業轉移。