鸿海(2317)半导体事业群AI团队歷时八个多月的研发,从架设AOI光学检测设备,到产线採集产品外观影像,最终研发出非监督式学习AI演算法FOXCONN NxVAE,鸿海证实,此技术已实际导入集团部分产品外观检测生产线,并成功降低了50%以上的产线检测人力。

鸿海科技集团21日宣布,正式推出非监督式学习(Unsupervised Learning)人工智慧(AI)演算法「FOXCONN NxVAE」,运用正面表列的模型训练方式,只以产品容易取得的正样本进行光学检测演算,解决产线中瑕疵样本取得的问题,适用于良率高的成熟产品线,可增加 AI 模型的整体容错能力,此技术已实际导入集团部分产品外观检测生产线,成功降低50%以上的产线检测人力。

由于时值COVID-19疫情肆虐期间,鸿海半导体事业群AI团队,一度因为无法亲临产线,改由远端工作模式,进行影像数据处理与AI演算法的开发与调适,歷经八个月的努力,终于研发出非监督式学习AI演算法FOXCONN NxVAE。

鸿海指出,集团累积的工业数据庞大,除了持续进行品质改善之外,也让AI得以发挥,助益产业发展。FOXCONN NxVAE已可全检产品外观常见的13类瑕疵,并达到零漏检的客户要求,降低五成以上的产线检测人力,除了提升整体工作效率外,也代表鸿海往智慧工厂的道路又迈进了一大步。

传统机器视觉(Computer Vision)检测,大多以标准样本(Golden Sample)为基准与待测样本进行差异比对,当产线是在客制化的环境下进行检测时,准确度会因光源变化、待测样本定位差或产品本身纹路不规则等不定、不同因素造成了比对失败,产生较高的过杀率,甚至因此加设人力进行过杀样本的二次检测,造成人力支出浪费。

#鸿海 #外观 #非监督式学习 #样本 #产线