【科普】有了AOI 為什麼還需要AI？

品質和良率，一向是台灣製造業者最重視的課題。從應用端需求來看，品質檢測相關解決方案帶來的龐大商機，讓目前智慧製造市場呈現百家爭鳴，從傳統檢測設備業者到新創公司都在掘金。特別是由於品質檢測屬於事後結果，對於想要導入智慧製造的業者來說，風險最小、成功機率最高，因而也成為智慧製造的敲門磚。

而在品質檢測相關解決方案中，要說近年最熱門的題材，莫過於「AOI+AI」的雙劍合璧，這似乎已成為台灣製造領域檢測方案的發展主流。對市場來說，AI可能是這幾年大躍進的創新技術，不過AOI在工業檢測領域中並非顯見，且發展已久，但市場既已有AOI，為什麼還需要AI？

什麼是「AOI」？

在此之前，我們先來了解什麼是AOI。AOI (Automated Optical Inspection)即自動光學檢測，是一種快速、非接觸式的影像檢測手法。是集合光學、機械、電控以及軟體等整合系統，並以「機器視覺」為標準技術，透過擷取物件表面影像進行分析，進而以電腦影像處裡技術來判斷物件是否存在異物或異常等瑕疵，藉由自動化，改善傳統上以人工目視進行檢測的缺點。也因為它是非接觸式檢查，所以亦可在製程中用來檢查半成品。

AOI可說是業界非常廣泛應用的檢測手法，功能也很多，例如可以拿來檢查零件有無缺少、瑕疵，或是量測零件的長、寬、高等。應用層面從IC及一般電子業、金屬鋼鐵、食品加工、紡織皮革或汽車工業等都有。而根據市場調查，目前AOI最常被應用的產業則分別是PCB和面板顯示器產業，兩者佔比約為64%和15%。

儘管AOI的自動化已經可以取代人工檢測，但是，伴隨現在產品複雜度提高，以及檢測速率的要求下，傳統影像處理技術和演算法仍存在一些缺點，這個缺點尤其在應用最多的PCB產業中特別明顯。

PCB產業對於良率的要求，是抱持著「寧可錯殺一百，也不可放過一人」高標準，這使得業者往往會把AOI的參數設定成極高規格，導致設備異常敏感，進而出現過殺(over kill)、誤判的現象。根據業界統計， AOI的過篩誤判率可能達到7、8成。

這讓業者相當頭痛，因為在這樣的情況下，廠商只能加派人力進行二次複檢，證實究竟是虛驚一場，還是確有瑕疵，這不僅會造成額外的人力和時間成本，有的產業甚至會依據不同客戶對於良率的要求，而對產品分級，在某些情況下，有些瑕疵是可以被容許的，因此AOI的誤判，可能會導致不良品暴增，徒增業者的生產成本。

在AI基礎上　AOI帶來更準確的決策能力

檢測出瑕疵與否，影像處理技術的「判斷能力」扮演非常重要的任務。過去AOI檢測透過邏輯性的思考模式，以設定好的參數、定義好的規則作為基準進行判斷，因此使用者通常必須先定義好瑕疵樣本與規則，但這樣的做法，AOI設備多半只能聽命行事，一旦出現新的瑕疵或定義不明，設備可能就無法進行判斷。

隨著檢測條件越來越多元，過去這種「非黑即白」且數值化的檢測標準也遇到不少難題，當越來越多「抽象」、難以具體描述的待測物出現，此時，就需要有更靈活的機制來輔助機器做出判斷。

而AOI檢測與AI辨識最大的不同之處在於，是否可針對未知瑕疵主動進行識別。AI可以在一定程度上模仿人類，將「經驗法則」應用到影像辨識中，因而比起規則，更能因應外在變化而達到自我調適，進一步有效判斷未知的瑕疵或成像。

可以說在AI的基礎上，藉由軟體優化，為AOI帶來了更準確的決策能力，像這樣整合機器視覺與機器學習的智慧自動化檢測方案，似乎也成為未來發展主流，同時為AOI設備供應商和使用者帶來巨大優勢。