鴻海(2317)今(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」,適用於良率高的成熟產品線,可增加AI模型整體容錯能力,並已實際導入集團部分產品外觀檢測生產線,成功降低超過50%的產線檢測人力。

鴻海指出,傳統機器視覺檢測多以標準樣本為基準,與待測樣本進行差異比對。當產線在客製化環境檢測時,準確度會因光源變化、待測樣本定位差、產品本身紋路不規則等不定及不同因素造成比對失敗,產生較高過殺率,甚至加設人力進行二次檢測,造成人力浪費。

而FOXCONN NxVAE演算法採集不同日期的數據進行AI模型訓練,平均產品數據的變異性,增加AI模型整體容錯能力、亦解決數據差異化問題。鴻海指出,此非監督式學習算法的核心概念即為「不是好的,就是壞的」、「只需正樣本」、「讓模型重建自己」。

鴻海說明,一般監督式學習的AI算法為提升準確率,動輒需要數百至上千張瑕疵影像,才可取得超過90%的準確率,但仍未達到產線採用標準。因此,要提升準確率以達到產線檢測要求,根本之道在於高品質瑕疵影像數據集的建立與取得。

鴻海AI團隊先前針對廠內機殼瑕疵檢測,曾提出監督式學習(Supervised Learning)演算法,讓產品外觀瑕疵的檢測率達逾99%。然而,由於鴻海產線良率高,要收集20種以上各類瑕疵的足夠樣本不易,存在瑕疵影像採集困難、瑕疵數據標註與瑕疵分類痛點。

因此,Foxconn NxVAE演算法導入正面表列的模型訓練方式,沿用產線每日皆可取得的正樣本,解決瑕疵樣本取得問題,可大幅縮短客戶導入AI檢測的時間壓力,並協助定義產品檢測標準,提升生產品質並降低成本,達到以AI賦能產業應用,提升產業價值的目標。

鴻海指出,集團半導體事業群AI團隊歷時8個多月研發,從架設AOI光學檢測設備到產線採集產品外觀影像,期間因受新冠肺炎疫情影響,團隊改以遠端工作模式,進行影像數據處理與AI演算法的開發與調適,最終研發出此非監督式學習AI演算法。

鴻海指出,FOXCONN NxVAE已可全檢產品外觀常見的13類瑕疵、達到零漏檢的客戶要求,並實際應用在集團中國大陸園區內的電子產品外觀檢測產線,成功降低超過50%的產線檢測人力,除提升集團整體工作效率外,也代表往智慧工廠目標更向前邁進一大步。

鴻海半導體事業群晶片與系統方案事業處副總經理劉錦勳表示,集團產線品質良率已逾99%,累積的工業數據龐大,除持續進行品質改善,也讓AI得以發揮、助益產業發展。此次研發非監督式學習演算法,除降低產線新產品導入陣痛期,也是業界AI發展的重要里程碑。

(時報資訊)

#鴻海 #FOXCONN NxVAE #人工智慧 #非監督式學習 #演算法