產經情報

AI入列 法眼揪出不良品

日期:2019-05-10

「圖像中哪有刮傷?」「哪裡的雷射孔洞太大?」眾人直盯著螢幕上一張張印刷電路板(PCB)照片,集中精神的找出瑕疵,加以圈選標註。這個看起來像是「大家來找碴」的遊戲,其實是2年多前工研院開發「人工智慧瑕疵影像分類技術」,建立AI資料庫的場景。

工研院研發團隊決定將AI檢測技術導入PCB產業,主因為PCB產業以AOI光學檢測,與AVI外觀檢測為趨勢,但是「寧可將之誤判為瑕疵,不容檢出品有異」的檢測特質,導致假警報過高,因此仍需使用大量人工目檢員做複檢,工研院研發團隊進而思付如果AI加入目檢員的行列,有助提升檢測效率。

在團隊研發過程中,很快就碰到第一個難關。工研院表示瑕疵影像資料庫是AI檢測精確的關鍵,業界甚至出現「82法則」的說法,也就是8成的工作投入資料整備,2成才是建構人工智慧演算法。為了建置精確的資料庫,工研院向業者取得130萬張PCB瑕疵照片,要如何標註才能正確又符合產業需求,再一次挑戰著研發團隊。

標記準則必須十分明確,又不能過於複雜,力求每個標註設備的標準一致。但是研發團隊在與業者溝通過程中,卻發現業者的需求非常多樣化,某一類瑕疵A廠商可接受,但B廠商卻判定為不良品,甚或有些屬於主要瑕疵,有些屬於次要瑕疵。因規則太過複雜,使得人工標註過程中很容易誤判。雙方歷經四到五個月的溝通,才終於擬訂出一套既能符合業者需要,又清楚明白的「瑕疵標記準則」。

解決了資料標註難關,第二道難關接著出現。PCB業者要求每張PCB的檢測速度必需低於20毫秒,假瑕疵率要比傳統檢測少一半,就是要快又準。以當時的技術,有了準度速度就慢,有了速度準度就差,讓研發團隊倍受挫折。經過許多討論,研發團隊開發出類似評審團概念的「眾智式演算法」,讓三個AI系統一起判斷,兼具決策彈性與運算效能,結果速度與準度果然都大幅躍進,順利通過第二道難關。

有了堅實的資料庫為基礎,加上工研院的眾智式演算法,「人工智慧瑕疵影像分類技術」瑕疵分類準確率高至99.95%,減少目檢員57%的篩檢量,檢測效率大增。目前技術已應用在PCB、半導體產線上,讓不良品難逃AI法眼!