AI 深度學習是什麼？與機器視覺哪裡不同？
近年來科技發展迅速，繼工廠自動化之後，製造業開始重視AI產業帶來的效益，但究竟什麼是AI機器視覺？與傳統的機器視覺哪裡不同？目前業界使用的功能及應用有哪些？導入後的訓練及操作程序會不會很複雜？
本篇文章篩選了目前在全球視覺領域超過37年經驗、安裝200多萬套系統的品牌，康耐視Cognex所推出ViDi深度學習AI視覺系統的理論及功能面，來為大家做詳細的說明。首先針對以下圖片解說4項關鍵功能：
圖解說明1：
Locate特徵定位和識別：定位工具可以從標註的圖像中學習，定位複雜的特徵和工件，透過深度學習演算法定位工件，計數貨盤上的半透明玻璃醫療小瓶，並對試劑盒和工具包執行裝配驗證檢查。使用定位工具時，只需提供標記有目標特徵的圖像即可。
圖解說明2：
Analyze 分析和缺陷檢測：檢查工具用於檢測異常和外觀缺陷。無論是裝飾表面上的刮痕，不完整或不正確的裝配件，還是織物上的紡織問題，都能透過學習物體的正常外觀，輕鬆識別所有這些問題及更多包括顯著但在公差範圍以內的變化。另可用於分割特定的感興趣區域，比如缺陷或其他感興趣區域。
無論是醫用織物上的特定異物，還是花邊上的剪裁區，都能學習目的地區域的不同外觀，輕鬆識別所有這些感興趣區域。
如果您想瞭解的是傳統機器視覺功能，請參考「機器視覺是什麼」及「CCD與CMOS比較表」文章。
圖解說明3：
Classify物體和場景分類：分類工具用於對物體或完整場景進行分類。無論是基於包裝識別產品，分類焊縫，還是區分缺陷，都能基於標注的圖像集合學習區分不同的類別。訓練分類工具時，只需提供標記不同類別的圖像集便可。
圖解說明4：
Read讀取文本和字元：讀取工具可讀取嚴重變形，歪斜和蝕刻品質不佳的代碼。預訓練的字庫能識別大多數文本，無需額外的程式設計或字型訓練，確保迅速，輕鬆實施。這款性能卓越的工具可以重新訓練，以適應特定的OCR應用需求，且無需任何視覺專業知識。
一、什麼是 AI 深度學習系統？
深度學習神經網絡的力量已經開始進入市場，漸漸成為一種基礎技術，且正在轉向製造業領域，教導機器做人類的事情，簡單的說，就是「將人工智能與機器視覺做結合」。
AI 視覺深度學習技術模仿人類的智慧，透過模仿人腦中神經元網絡，辨識複雜的圖像、區分趨勢，找到變形的工件及難以讀取的字元，同時容許複雜圖案的自然變化，結合了人類視覺檢查的特異性和靈活性。
圖解說明：檢測安全氣囊織物中的所有類型的製造異常。
AI 深度學習的圖像分析軟體工具庫，適合在和機器視覺工具相同的環境中，用於複雜且像人眼的檢測應用，因為傳統視覺方法難以鑒別外表相似工件之間的變化與誤差，而深度學習補足了傳統機器視覺的不足之處。
圖解說明：系統發現焊接異常，並分類為良品及不良品。
且深度神經網絡可以不斷改進其性能，容易辨識新的工件且無須重新編程核心算法，同時又具備電腦系統的可靠性、一致性和速度，能夠重複解決困難的視覺應用程序，尤其複雜圖案自然變化的同時存在缺陷，依然能夠精確地分辨。
圖解說明：查找托盤中工件的位置，並依據顏色對其進行排序。
二、機器視覺的應用？
在生產線上，機器視覺系統可以快速的、一致的、穩定的、反覆的檢查數千個零件，遠遠超過了人眼的檢查能力。幾十年來，機器視覺一直在教授系統執行檢測、缺陷、污染物、瑕疵等不良品，結合合適的相機、光源等配件，更能幫助產線輕鬆檢查人眼無法看到的細節，並提供高精度、低誤差的穩定性。
圖解說明：透過VIDI內建分析工具來區分氣缸體上的缺陷。
工廠自動化方面，遇到製程檢查過於困難或費時的複雜應用，可用AI視覺深度學習系統解決，除了可找出難以預知的缺陷，還能容許一般組件與光源變化。
在和人工目檢或傳統機器視覺相比，AI視覺在執行基於判別的工件定位、檢測、分類及字元識別上，又更勝一籌。國內許多領先的製造商逐漸轉向AI視覺深度學習解決方案來解決他們的問題，處理製程上最複雜的挑戰。
圖解說明：透過VIDI訓練系統，以良品做為參考模型，識別工件的缺陷。
三、AI 機器視覺如何訓練及操作？
不需要繁鎖的軟體開發，內建的演算法可以透過一組樣本進行訓練，並創建其參考模型，訓練的步驟簡單，只需執行以下三步驟：
1. 收集“合格樣本”的圖像，載入系統。
2. 透過系統讓這些合格樣本進行訓練，以學習並創建參考模型。
3. 持續進行測試及微調，並開始檢測異常。
可以快速識別和分析缺陷區域，同時理解樣本外觀的自然變異，最重要的是，訓練過程中不需要大量的不良品樣本。
什麼是 AI 機器視覺？您是否有更深入的理解了呢？如果您的產線也想評估AI機器視覺，歡迎與我們切磋交流，您可以直接來電：02-8809-3200，或 留言給我們。
下一篇專欄，我們將針對 AI 機器視覺的產業案例進行整理，並且詳細介紹給大家。