AI+机器视觉为何落地难，看看凌华怎么说？

来源：未知作者：admin 日期：2023/02/02 20:20 浏览：

　　摘要

　　AI有一定技术门槛，对多数制造业者而言，导入并非易事，借助外部专业厂商将会是最佳策略。

　　AI（人工智能）是这波工业4.0浪潮中的关键技术，尤其是与机器视觉的结合，更成为多数制造业者导入智能化系统的第一步。通过深度学习算法，机器视觉可自我学习，判断受检物的质量优劣，不过凌华科技智能机械事业产品中心资深产品经理许凯翔指出，AI有一定技术门槛，对多数制造业者而言，导入并非易事，对此凌华结合过去在机器视觉与AI两大领域的专业，推出了AI机器视觉解决方案，以PnP（即插即用）灵活弹性配置的特色，协助制造业者顺利踏出智能制造的第一步。

　　凌华科技协理杨家玮(右)、资深产品经理许凯翔(左)、研发经理高铭章(中) (摄影／DIGITIMES)

　　从技术发展来看，AI目前在制造业的应用主要集中在机器视觉与机器手臂两大细分领域。通过深度学习算法，预测维护生产设备、优化产线效能、提升产品质量。许凯翔以PCB与水暖五金两大产业为例，PCB表面的电路细小复杂且生产速度快，水暖五金则是有多重曲面特性，这两大类产品都需要高强度的检测系统，AI就会是提升检测系统效能的关键技术。除了产线之外，AI机器视觉也可将应用触角扩大到厂务端，比如用图像来分析制造现场工作人员的行为，以确保员工安全，或是以对象辨识功能协助厂房进行环境控制，提升管理效能。

　　即便AI的效能强大且应用多元，业界也多认定这已是制造业未来趋势。不过在实际导入时，多数业者都会发现想象与现实仍有一段距离，凌华科技协理杨家玮指出，原因在于AI并非仅是单纯配备加速引擎的硬件，而只有完整的软硬件架构与精准的专业领域知识，才能让AI机器视觉系统具备智能化，达到智能制造目标。

　　延续杨家玮的观点，许凯翔表示，这几年市场上陆续出现各种AI机器视觉系统的POC (Proof of Concept，概念性验证)，其训练端完成的模式，一直无法在现场端的设备上发挥预期效能，主要就是因为对专业的认知不足。他指出AI要落实在应用面需要两大专业——特定领域的专业知识与AI的专业知识。在特定领域专业中，制造现场的产线设备多元，且不同的制造业有其特殊的生产工序，包括AI在内的所有新进的系统，都必须与现有机台与生产模式紧密匹配，不过多数AI系统业者对其专业知识的掌握有限。

　　在AI部分，系统需要高度专业，才能应对产线需求，找出合适的软硬件，构建出优化系统。许凯翔指出，深度学习算法的神经网络相当复杂，再加上硬件厂商针对现在已经推出的各种加速器，如Google的TPU、NVIDIA的GPU与两家CPU大厂Intel、AMD的AI处理器，这些加速器的特性不一，在同一神经网络上运行会产生极为不同的效果。因此系统厂商除了必须了解深度学习神经网络的运行外，也要充分了解市场上各种加速器的特色，才能针对系统需求，搭配出优化系统，让终端设备的运行合乎预期。

　　不过要具备制造与AI两端的专业，打造出精准AI机器视觉系统，需要投入大量的资源与时间。对多数系统厂商与制造业来说，借助外部专业厂商将会是最佳策略。凌华科技领域平台研发经理高铭章表示，凌华科技以自动化技术起家，在制造业已深耕多年，累积了深厚的制造专业知识，此外在AI领域也早已成立团队，专职各种软硬件的研发，因此可针对各类型制造业的需求，设计出合身的AI机器视觉解决方案。

　　高铭章进一步指出，凌华在深度学习算法与市场各类硬件加速器功能的掌握，可为客户搭配出最贴合产线需求的AI机器视觉系统，提升在产线运行的成功率。此外高度整合的软硬件，不但以一站式采购，一次满足客户需求，其PnP即插即用特色，可以协助业者快速布署系统、随时校准参数、灵活变动产线，让机器视觉系统完美达到制造业者的预期目标。

　　凌华的AI机器视觉系统现已应用于国内外制造业系统中，近年紧密合作的LEDA Technology (乐达创意科技) 首席执行官黄哲瑄就指出，凌华在机器视觉已有多年的经验，这几年又全力投入AI研发，并成立相关团队，不仅硬件产品可快速满足系统厂商需求，让厂商可专注于算法的开发，在设计系统时，凌华的专家团队也会提供咨询服务，协助系统快速落地应用，携手协助客户迈向制造智能化的第一步。

　　- END -

主页 > 新闻中心 > 解决方案 >

AI+机器视觉为何落地难，看看凌华怎么说？