人工智慧結合機器視覺　創新應用源源不絕

機器視覺在製造業應用存在已久，但過去的機器視覺本質上是以規則為基礎的專家系統(Rule-based Expert System)，不具備自主學習的能力，能處理的問題範疇也較為專一。這也使得機器視覺的系統整合商(SI)規模普遍不大，但在特定領域有非常深厚的技術累積。以機器學習(ML)為基礎的機器視覺系統，則可能改變這個產業風貌，並為這項技術打開更廣闊的應用空間。

研華網路暨通訊事業群資深協理林俊杰(圖1)指出，機器視覺在製造業應用已經有相當長的一段歷史，且隨著檢測對象不同，分化出許多次領域，例如針對電子元件、電路板的自動化光學檢測(AOI)、針對產品組裝的視覺校準/對位，乃至成品/半成品的外觀瑕疵檢測等，都可以歸類於機器視覺的範疇。

但現有機器視覺系統的核心，多半是以規則為基礎的軟體程式，當工業相機拍攝到過去從未見過的影像，取得的特徵值無法對應回既有的軟體系統時，就會很容易出現誤判或無法識別。這使得機器視覺系統的設計規畫跟部署，變成一項非常仰賴專家的工作。唯有針對某一類應用有深入研究，並且累積了大量經驗的SI，才能寫出符合生產線需求機器視覺軟體。而且，某個特定領域的專家，要跨到其他機器視覺的領域，也不是那麼容易的事情。