導入成熟的機器學習方法，把數據變成訓練材料，打造自動化機制，讓其可視化是傳產轉型首要之務，同時也在確保製程參數的正確性，都起了很大的作用。

無論傳產或新創，都需要人工智慧助長！

文／利漢民 2019.08.20

威視康科技表示，傳統行業的IT升級不只是建一個網站這麼簡單。威視康的目的就是幫助企業克服這些挑戰，試圖在業者成本與效益皆能兼顧下，一步一步協助傳統業者朝智慧工業邁進。威視康以幾個傳統產業為例，提供了開發和部署AI解決方案。

比如像是紡織業；織物的圖案可能相當複雜，且位置變化會干擾外觀檢查的分析、面料的延展性而產生的變形，難以判對是否為瑕疵、織物缺陷具有無數類型，搜尋所有缺陷並非一個可行的方式等因素成為提升生產效率的阻礙。然而，康耐視 ViDi 紅色檢查工具，提供一組具有代表性的合格元件圖像樣本，供系統在完全無監督的模式下自行學習紡織圖案、紗線特性、顏色和可接受的缺陷。

另外焊縫檢測也面臨；焊縫具有許多不同的形狀和特徵，傳統機器視覺難以定義。且需要忽略焊接流程和材料中的正常變化、高度反光、不規則的金屬表面，圖像會呈現複雜的紋理等問題。Cognex ViDi 紅色檢查工具，對可接受焊接元件的外觀進行訓練，檢測流程能夠可靠識別焊縫缺失、焊接過度、焊接不充分、焊縫中孔洞等缺陷。

紋理金屬表面缺陷過去做不到的原因包含：元件表面具有明顯的紋理，難以識別缺陷、碰撞、刮痕或污漬、必需忽略材料中的正常變化和不明顯的異常等。康耐視 ViDi 紅色檢查和綠色分類工具，可以自動組合各種背景資訊，以創建元件形狀和紋理的可靠模型。碰撞和刮痕有別於局部表面正常變化，視為異常。

此外，於加工原件也存在著：多步驟的移印，機器視覺無法判斷這些可接受的相對變化、當油墨用量不同，視覺無法判斷字體、線條厚度產生的變化、基材紋理存在隨機性，如拉絲或以其他方式裝飾的金屬。Cognex ViDi 針對旋轉的柱形元件進行訓練，可接受表面紋理變化及複雜的頂端和自鑽式底切，辨別刀口處破裂、頂端破裂、刮痕、凹陷或污漬。

威視康補充，傳統產業未來比較容易面臨的問題在於少量多樣的挑戰。如果生產需求變化快速，那麼傳統產業將更頻繁地改變產線內容去符合多樣化的需求，這將致使機器在導入人工智慧時，必須具備更大量的數據資料與更多樣化的學習模式，才能應變瞬息萬變的市場需求。