質(zhì)量改善是企業(yè)生產(chǎn)流程重要指標(biāo)之一，近期AI視覺(jué)應(yīng)用對(duì)質(zhì)量改善帶來(lái)很大的助益，然DIGITIMES Research觀察，從硬件層面與AI視覺(jué)面探討，部分企業(yè)仍無(wú)法順利評(píng)估導(dǎo)入，因素一是許多公司內(nèi)部缺少相關(guān)專業(yè)人才進(jìn)行評(píng)估及導(dǎo)入工作，需借助人工智能開(kāi)發(fā)商及硬件廠商協(xié)助；二是專業(yè)領(lǐng)域知識(shí)在于企業(yè)本身，供應(yīng)商難以取得這些專業(yè)知識(shí)下，易生盲點(diǎn)，恐難研擬出改善質(zhì)量的最佳方案。

觀察目前機(jī)器視覺(jué)與AI視覺(jué)主要架構(gòu)組成，光源以考量成本、壽命、客制化程度的LED燈為主流，相機(jī)以考量高質(zhì)量取像的CCD模塊為主，傳輸界面以考量布線成本低的以太網(wǎng)絡(luò)為大宗。

其中，相機(jī)位置依場(chǎng)域特性分三類，一為眼在手（eye in hand），適用于電子組裝業(yè)；二為眼到手（eye to hand），適用于物流產(chǎn)業(yè)；三為眼看手（upward looking），適用于面板產(chǎn)業(yè)；相機(jī)位置選擇合適與否影響整體生產(chǎn)稼動(dòng)及識(shí)別正確率。

機(jī)器視覺(jué)與AI視覺(jué)的差異在于運(yùn)算軟硬件、參數(shù)控制、質(zhì)量統(tǒng)計(jì)等面向，方案選擇與預(yù)算規(guī)劃、預(yù)期目標(biāo)、演算模型、部署工具互有相關(guān)，若缺乏完整配置評(píng)估恐影響AI演算結(jié)果，而無(wú)法達(dá)成預(yù)期目標(biāo)。

DIGITIMES Research認(rèn)為，目前制造流程導(dǎo)入AI視覺(jué)雖為業(yè)界積極投入的熱門(mén)議題，但并非所有應(yīng)用都有導(dǎo)入AI視覺(jué)的必要。盡管AI視覺(jué)在質(zhì)量檢驗(yàn)上優(yōu)點(diǎn)多于機(jī)器視覺(jué)，但相對(duì)需投入的資金與建構(gòu)時(shí)間較機(jī)器視覺(jué)多，因此中短期而言，AI與機(jī)器視覺(jué)會(huì)同時(shí)并存于制造流程，使用者依自身需求選擇最適方案，然長(zhǎng)期而論，導(dǎo)入AI視覺(jué)的成本將逐年遞減，或有利加速制造業(yè)轉(zhuǎn)移。
編輯：lyn