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

觀察目前機器視覺與AI視覺主要架構(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，相機位置依場域特性分三類，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)；相機位置選擇合適與否影響整體生產(chǎn)稼動及識別正確率。

機器視覺與AI視覺的差異在于運算軟硬件、參數(shù)控制、質(zhì)量統(tǒng)計等面向，方案選擇與預(yù)算規(guī)劃、預(yù)期目標、演算模型、部署工具互有相關(guān)，若缺乏完整配置評估恐影響AI演算結(jié)果，而無法達成預(yù)期目標。

DIGITIMES Research認為，目前制造流程導(dǎo)入AI視覺雖為業(yè)界積極投入的熱門議題，但并非所有應(yīng)用都有導(dǎo)入AI視覺的必要。盡管AI視覺在質(zhì)量檢驗上優(yōu)點多于機器視覺，但相對需投入的資金與建構(gòu)時間較機器視覺多，因此中短期而言，AI與機器視覺會同時并存于制造流程，使用者依自身需求選擇最適方案，然長期而論，導(dǎo)入AI視覺的成本將逐年遞減，或有利加速制造業(yè)轉(zhuǎn)移。
編輯：lyn