過去做不到的,現在 AI 做得到:AIGO 計畫團隊——AI 魔力轉圈圈破解特殊產品的瑕疵檢測

為了建置出可以辨識微小瑕疵、且可自動標記出瑕疵位置的 AI 模型,AIGO 計畫團隊——AI 魔力轉圈圈利用AI技術建置模型,且在遇到訓練資料不足時,自製樣本,團隊成功破解了小物件產品的辨識,是台灣製造業相當需要的技術。
評論
Photo Credit:AI 魔力轉圈圈
評論

人工智慧(AI)的浪潮已席捲全球,為提早因應未來的科技挑戰,政府全面推動產業人才培育。「AIGO 智慧應用新世代人才培育計畫」希望以 AI 為核心,培養產業應用人才,透過「產業出題 x 人才解題」的模式,將企業痛點和 AI 人才緊密接軌,讓更多中小型企業與新創團隊能有效解決問題並培養 AI 技術力,掌握未來商機。

交大電機教授領軍的參賽團隊

「AI 魔力轉圈圈」是交通大學電機系王蒞君教授領軍的團隊,過去曾帶領指導學生成功完成與多家廠商的產學合作案,且均與智慧製造有關的專案,如工具機的異常檢測、降低產品影像瑕疵檢測的誤報率等。這次參與 AIGO 計畫的原因,是想將先前的經驗應用在不同類型的製造商,既幫業者解決問題,同時也增加團隊的實戰經驗。

團隊解題過程中的主要負責人是在王蒞君教授研究室做博士後研究的林家瑜,在「AI 魔力轉圈圈」團隊獲獎之前,她也獲聘為元智大學資訊工程學系的助理教授。團隊成員中還有 5  位大學生(羅元凱、李慶昱、蕭宇展、黃仁暐、萬長霖),是王蒞君教授指導的專題學生。

王蒞君教授表示,過去合作的產業大多以生產主機板為主,利用AI技術協助業者提升 Automated optical inspection(自動光學檢測)  檢測產品瑕疵的準確度,這是台灣非常多製造業都會需要的技術。

Photo Credit:AI 魔力轉圈圈

為了能夠幫助更多的業者將AI導入自動光學檢測(AOI),AI 魔力轉圈圈團隊在AIGO競賽中選擇中揚光電提出的「AOI 影像產品瑕疵檢測」題目,產品是鏡片及鏡頭,在產品出廠前均須要仔細檢查鏡片、鏡頭上是否有任何瑕疵,現行的方式是人工檢驗,耗費人力與時間,且也不容易驗證檢查結果。

團隊需要要找出這個鏡頭上的瑕疵(黃色圈起處)Photo Credit:AI 魔力轉圈圈

如何辨識特殊產品讓所有人吃盡苦頭

Photo Credit:AI 魔力轉圈圈

由於鏡片、鏡頭是會反光的產品,若要使用AOI進行檢測,拍照的光源、相機的角度等都需要進行特殊的處理,以市面現有的品管檢測機器來說,只有韓國的特別機台能夠適用,但一台要價高達台幣一千多萬,台灣的鏡片鏡頭製造商根本無法負擔,只能採用全人工目檢,或是自製儀器進行檢測,人力成本相當的高,因此極需要AI技術的導入,降低人力檢測成本。

AI 魔力轉圈圈了解題目後,先使用傳統影像辨識技術進行測試,原理是以顏色的差異辨識異物,然而現有廠商的產品良率都相當高,鏡片上不會有太明顯的瑕疵,實際上的灰塵、刮傷都非常小,顏色也很淺,很快的團隊就宣告此方法失敗。

接下來,為了訓練客製化的 AI 模型,必須先蒐集鏡片及鏡頭的影像資料,因此團隊與中揚光電花了一個多月拍攝照片,並調整拍攝時的參數,將各種參數標準化,例如:焦距、光源、白平衡等。

除了資料的蒐集之外,還需要針對影像作一些前置處理,譬如,解題團隊得像作業員一樣,先用肉眼找出產品影像中的瑕疵,手動標示出來,才能開始訓練 AI 模型。

同時,由於鏡片相當的小,一定會放在載板中進行拍攝,而載板本身也可能有灰塵,會影響辨識,因此團隊必須先開發一個自動化程式將擋載板從影像中移除。因鏡片鏡頭產品是圓形的,先找到圓心就能定位產品、移除載板,團隊首先嘗試了過去的霍夫圓法,最後自行出開發三種找圓心的方法,成功過了這一關。   

團隊嘗試過去的霍夫圓法,最後開發三種找圓心的方法。Photo Credit:AI 魔力轉圈圈   
在一張 2048*2048像素 的圖上,瑕疵小於 10*10像素,很需要花費眼力進行瑕疵標記。Photo Credit:AI 魔力轉圈圈

此階段亦遇到資料不足的困難,出現頻率高的瑕疵幾乎絕大多數都是灰塵、小髒污,某些瑕疵如刮傷出現的機率很低,從中揚光電提供的 700 張照片中能找出的樣本數量不多,並不足以訓練 AI 自動辨識。

對於業者來說,這兩種瑕疵在後續的處理上是有差異的。如果只是灰塵的話,可以使用風槍去清潔,然後重新檢測,清乾淨了就過關;但如果是刮傷,則只能報廢。

由於資料不足,AI 魔力轉圈圈自行製造瑕疵的樣本。Photo Credit:AI 魔力轉圈圈

AI 魔力轉圈圈人工生成瑕疵,增加瑕疵的資料量,使出渾身解數,終於訓練好 AI 模型。最後再反覆調整模型的各種參數,終於建置出一個可以辨識出非常微小瑕疵、且會自動標記出瑕疵位置的 AI 模型。

解題團隊的一小步,升級智慧製造的一大步

對於 AI 魔力轉圈圈來說,這次參與 AIGO 競賽主要的收穫有三個方面。 在技術面上,團隊學到建置新 AI 模型的真正流程。學生們原先以為模型建置完一次就完成了,但在測試效果不好時,就要回去檢視每一個步驟進行修正,重新調整資料、修改模型,遇到資料量不足時,甚至需自製樣本,如此不斷地循環,才能讓模型達到真正能上戰場的地步。 

團隊最後完成的結果。Photo Credit:AI 魔力轉圈圈

在軟實力方面,AI 魔力轉圈圈與中揚光電的互動方式,也在解題過程中不斷地改進。學生們學習到如何用簡單易懂的方式與業者溝通及討論,也學會如何製作向業者報告成果的投影片。除了對外簡報的方式有長足進步之外,在對內的合作討論方式上也越來越有效率。

最後,林家瑜教授也提到,在發表會上,經濟部次長、工業局、AIT 經濟官等官員都有到攤位上了解解題成果,對於團隊建置的 AI 技術相當滿意,並討論未來是否有更多的應用可能性,對團隊來說,是一個很棒的肯定。

經濟部次長林全能與行政院科技會報執行秘書蔡志宏到攤位與團隊互動。Photo Credit:AI 魔力轉圈圈

AI 魔力轉圈圈在本次比賽中成功做出的 AI 技術,可以大量降低業者的人力需求。以中揚光電為例,產線上做人工檢測的大量人員均為外籍移工,已經完全沒有台灣人,當此技術實際應用到工廠時,可以減少因聘僱外籍員工而產生的意外或人力空缺等狀況,並節省 90% 的產線人力,出貨量也增加 5%,為中揚光電帶來龐大的商業效益。

此外,這個專題等於成功破解了小物件產品的辨識,未來將可廣泛應用於各種工業製造的產品線,如汽車板金的檢測等,潛力無窮。

延伸閱讀: