鴻海(2317)半導體事業群AI團隊歷時八個多月的研發,從架設AOI光學檢測設備,到產線採集產品外觀影像,最終研發出非監督式學習AI演算法FOXCONN NxVAE,鴻海證實,此技術已實際導入集團部分產品外觀檢測生產線,並成功降低了50%以上的產線檢測人力。

鴻海科技集團21日宣布,正式推出非監督式學習(Unsupervised Learning)人工智慧(AI)演算法「FOXCONN NxVAE」,運用正面表列的模型訓練方式,只以產品容易取得的正樣本進行光學檢測演算,解決產線中瑕疵樣本取得的問題,適用於良率高的成熟產品線,可增加 AI 模型的整體容錯能力,此技術已實際導入集團部分產品外觀檢測生產線,成功降低50%以上的產線檢測人力。

由於時值COVID-19疫情肆虐期間,鴻海半導體事業群AI團隊,一度因為無法親臨產線,改由遠端工作模式,進行影像數據處理與AI演算法的開發與調適,歷經八個月的努力,終於研發出非監督式學習AI演算法FOXCONN NxVAE。

鴻海指出,集團累積的工業數據龐大,除了持續進行品質改善之外,也讓AI得以發揮,助益產業發展。FOXCONN NxVAE已可全檢產品外觀常見的13類瑕疵,並達到零漏檢的客戶要求,降低五成以上的產線檢測人力,除了提升整體工作效率外,也代表鴻海往智慧工廠的道路又邁進了一大步。

傳統機器視覺(Computer Vision)檢測,大多以標準樣本(Golden Sample)為基準與待測樣本進行差異比對,當產線是在客製化的環境下進行檢測時,準確度會因光源變化、待測樣本定位差或產品本身紋路不規則等不定、不同因素造成了比對失敗,產生較高的過殺率,甚至因此加設人力進行過殺樣本的二次檢測,造成人力支出浪費。

#鴻海 #外觀 #非監督式學習 #樣本 #產線