機器視覺

就在新冠疫情起起伏伏，製造業者對智慧製造的需求更加迫切的背景下，2020年台灣科技相關產業的第一個大型實體展覽—台北國際自動化展揭開了序幕。雖然參觀人士必須戴著口罩才能入場，但場內觀展的人潮仍不在少數，且許多參展廠商都端出了人工智慧(AI)相關的展示內容，更讓今年的自動化展飄著濃濃的AI味。 安全皮膚技術助陣　工業機器人走向協作化 新冠疫情使得許多工廠面臨現場勞動力不足的考驗，進而使工廠人機協作的升級轉型需求大增。但工業機器手臂為追求生產效率的極大化，作業時往往必須與人類作業員保持安全距離，使得人機協作的理想很難落實。如何讓工業機器手臂與人類作業員安全地協同工作，成為機器手臂產業的重大議題。 為實現工業協作手臂的理想，專注研發機器手臂安全皮膚的原見精機，與日本川崎重工(KAWASAKI)攜手合作，共同發表了搭載安全皮膚的工業機器手臂(圖1)，藉由高達95%且無死角的包覆度，讓工業機器手臂的安全度大為提升，並朝工業協作的目標跨出一大步。 圖1　原見精機與川崎重工合作，讓原本專為工業應用設計的KHI RS007L機器手臂，在加裝專為其設計的安全皮膚後，升級為工業協作手臂 原見精機董事長蘇瑞堯表示，該公司自2017年創立以來，靠著全球唯一的表面式力感測器解決方案，獲國內外諸多機器人龍頭廠商青睞，攜手提升智慧製造人機協作的安全性。很榮幸本次與川崎重工進一步深化夥伴關係，推出搭載於其機械手臂、市面上包覆最完善的機器人觸覺技術解決方案，現正於日本進行最後檢測實驗，預計不久後即可問世量產。該公司將持續以MIT的堅強技術實力，與更多夥伴攜手打世界盃，以安全的工業協作自動化為核心，擘畫下世代工廠未來。 川崎重工新事業開發部部長野田真指出，產業環境日新月異，川崎重工於工業自動化與機器人產業發展的五十多年間，不斷開發並尋找能符合市場需求的技術。原見精機獨有的觸覺感測解決方案，有效促進大型工業機器人與人類的協作，為新時代自動化產業的發展注入活水。搭載於KHI RS007L的T-Skin安全皮膚新產品，提供機器手臂在協作同時又保有完整的工業精準特性，升級為堅實、精準、耐用的下世代機器人。 原見精機的T-Skin安全皮膚，具有高感度特性，只要一公斤力碰觸就可命令機器人停止。該產品是全球第一個通過歐盟CE驗證最高規格的觸覺感測安全產品，且符合人機協作技術規範ISO/TS 15066的人體安全撞擊測試，產品安全與功能安全均獲認可，達到完整機械系統的安全要求。 原見精機總經理盧元立則進一步說明，KAWASAKI的輕量型機器手臂KHI RS007L是目前同一負重等級中，全球運作速度最快的機械手臂。該手臂原本是專為工業應用設計的產品，但由於人機協作是機器手臂很重要的發展趨勢，如何讓工業機器手臂在快速、精準的既有優勢上，提高其安全性，是許多機器手臂業者都在追求的目標。 在既有的工業手臂上加裝安全皮膚，可讓工業手臂快速升級為工業協作手臂，且成本也遠低於購置新的協作型手臂(Cobot)。但安全皮膚必須針對手臂進行深度客製化，才能避免安全皮膚拖累或干擾機器手臂的運作。原見與川崎重工合作，為KHI RS007L開發專用安全皮膚T-Skin的目的，就是為了讓該手臂能一方面保有其輕巧快速的優勢，另一方面又更加安全。 除了與川崎重工直接合作外，原見也已經針對其他機器手臂品牌的多款產品開發出外掛式的安全皮膚，可讓製造業者用最實惠的投資額，將既有的工業手臂升級為工業協作手臂。 驅控整合式機器關節讓手臂設計更彈性 在本次自動化展中，除了安全皮膚外，與機器手臂有關的重要技術，還有工研院所發表的第三代驅控整合式機器關節。 工研院機械所智慧機器人技術組長黃甦表示，目前市場上絕大多數機器手臂的臂長與構型，都是由機器手臂原廠定義，使用者跟系統整合商(SI)無法依照自家產線的需求或場域狀況進行調整，也使得某些很特別的應用場域找不到適合的機器手臂。因此，工研院發想出新的設計理念，把整隻手臂拆分成一個個關節單元，讓使用者或SI可以依照應用場域的狀況，在一定的容許範圍內，針對每一節手臂的臂長、手臂的整體構型進行客製化，打造出量身訂做的機器手臂。 目前這項技術已經發展到第三代，與前兩代關節模組相比，第三代關節模組單位重量的扭力輸出較第一代關節模組增加約30%，臂長則比第二代更長，又取消了L型關節設計，只保留N型與I型關節，因此整支手臂的外觀更纖長，但又比第二代關節模組多出一個自由度，可實現七軸手臂設計(圖2)。整體來說，利用第三代關節模組組成的機器手臂，比以往的手臂更不占空間，卻又因為多出一個自由度，能負擔更多元化的作業任務。 圖2　工研院機械所展示利用其第三代機器關節模組實現的高度客製化機器手臂 黃甦透露，目前新竹清華大學已經採購了兩支由第三代關節組成的機器手臂，將以此進行雙臂機器人的開發，另也有醫療產業的SI業者利用第三代關節更不占空間的特性，設計出手術用的輔助機器人，可以在開刀房內執行夾持內視鏡這類原本由護士執行的助理工作，讓護士可以去做其他工作。 此外，還有多家台灣的馬達、齒輪等手臂零組件業者，也已經向工研院取得技轉，利用這項技術發展出內建自家馬達、齒輪等關鍵零組件的關節模組。跟提供零組件相比，提供關節模組不僅更貼近SI客戶的需求，單價跟利潤空間也比只銷售零組件更好。 機器視覺/AI緊密結合　手臂應用場景更多元 除了手臂本身的進步外，本次自動化展上，結合人工智慧的機器視覺也比往年更有看頭。所羅門以「AI 3D視覺賦予機器人感知能力」為主題參展，與合作夥伴共同展出多達16項智慧製造與智慧物流的相關應用，包含台灣首次發表的智慧物流分撿與包裝解決方案、智慧焊道辨識方案、智慧打磨系統。 所羅門董事長陳政隆指出，轉型智慧工廠，只有機器手臂是不夠的，因為無法成功辨識物件的機器手臂，在實際的產業應用上會受到很多限制，而這也是所羅門發展AI 3D視覺的主要原因。有AI 3D視覺的機器人，才能讓機器人的應用更多樣化，真正符合產業彈性製造的需求。 事實上，所羅門近年來在AI、機器視覺與機器手臂的整合應用上，投入了相當多資源，每年自動化展上的現場展示，也隨著機器視覺的辨識能力越來越高，而變得更多樣化、更複雜，更貼近實際應用需求。 圖3　所羅門展示的AI智慧焊道辨識方案 據所羅門評估，現在AI、機器視覺與機器手臂的整合應用，已經脫離技術驗證階段，開始走向大量部署。但有許多客戶反應，受到網路頻寬、延遲等因素的影響，現階段要在產線上部署這種高度智慧化的系統，必然要在產線旁配置搭載了高階繪圖卡的工業電腦，由此衍生的成本也是不小的導入障礙。因此，所羅門正著手將其AI機器視覺系統雲端化，以便在網路性能進一步提升，例如5G、TSN網路普及後，能立刻提供用戶雲端部署的選項，降低硬體建置的費用。 AI結合領域知識　自動化長智慧 在本屆自動化展中，幾乎所有跟影像有關的應用，不管是以機器視覺引導機器手臂運作，或是用機器視覺對大小工業產品進行檢測，都能看到AI技術的身影。對工業自動化產業而言，這是頗不尋常的現象。 由於工業自動化對系統的穩定度、可靠度要求遠高於一般資通訊產業或消費性電子產業，因此自動化相關業者對於新技術導入，向來採取比較審慎、保守的態度，除非技術已經相當成熟，否則不會輕易將其導入到自家的產品或解決方案中。 但AI在自動化應用中普及的速度，打破了自動化產業穩紮穩打的習慣，從今年自動化展的展示內容，可以發現相關業者並不是把AI當作展現研發實力的題目，而是真的已經在生產線上累積了一定的部署實績。 俗話說，禍福相倚。新冠疫情對製造業的正常運作造成十分巨大的干擾，但同時也促使製造業者加快數位轉型的腳步，並使得新技術的導入速度明顯加快。對自動化業者，乃至更上游的電子設備、半導體元件供應商來說，或許也算是失之東隅，收之桑榆吧。

據IC Insights預估，受到武漢肺炎影響，導致手機需求下滑及全球經濟衰退，過去十年市場規模連續高速成長的CMOS影像感測器(CIS)，將在2020年首度出現下滑。相較於2019年，2020年CIS市場規模料將衰退4%，達178億美元。但2021年則可望出現15%的反彈，市場規模增加到204億美元，再度創下歷史新高。 IC Insights分析，在本世紀初，CIS市場最主要的成長動能來自於照相手機，但隨著手機市場趨於飽和，自2015年開始，非手機應用占整體CIS應用的比重開始明顯成長。包含工業自動化所使用的機器視覺、汽車的先進駕駛輔助系統(ADAS)等應用，已成為帶動CIS市場規模成長的另一個引擎。  

OnRobot日前宣布推出2.5D視覺系統Eyes，該新機器視覺解決方案能為機械手臂提供深度知覺功能，價格實惠且部署簡易，適用於各種物件分類、依零件外部形狀來進行的CNC機械管理，以及須方向定位的取放應用等。相較於市面上其他視覺系統，Eyes只需拍攝一張影像即可完成校準和零件識別，具備自動對焦功能，能適應辨識距離多變的生產情境。 OnRobot執行長Enrico Krog Iversen表示，新推出的視覺系統Eyes將可扭轉此一困境，2.5D技術正迅速成為視覺導引應用的理想解決方案，相對於2D視覺系統僅能提供特定物件的長、寬資料，2.5D還可辨識物件的高度，適用於待處理物件的高度多變或必須加以堆疊等情境。 視覺系統Eyes可以輕易地安裝在機械手臂的腕關節或外部，並透過OnRobot單一系統解決方案無縫部署於大多數的協作型機器人和輕型工業機器人。OnRobot單一系統解決方案源自於OnRobot快速夾爪更換器中的整合式機械電器介面，現已全面整合至所有OnRobot產品中。 本次全新推出的視覺系統Eyes可直接與OnRobot設備進行連接，製造商得以輕鬆地將Eyes與各式OnRobot夾爪一同進行部署。透過OnRobot的快速雙夾爪更換器來設定夾爪與視覺系統，即能讓Eyes自動配置夾爪的工具中心點(TCP)，避免不同工具供應商之間的軟體相容性問題。視覺系統的最佳安裝位置取決於應用情境，若將Eyes安裝於機械手臂外部，則不必擔心線纜與機械手臂發生纏繞，且Eyes可以在機械手臂執行其他操作時，進行畫面擷取和辨識處理，將能有效縮短生產週期。

新冠肺炎疫情蔓延全球，驅動許多企業產生危機意識，再次評估工廠導入自動化、智慧製造的可行性。所羅門表示，未來人口結構帶來的缺工問題與工資高漲是不可避免的趨勢，企業對於優化物流程序，轉型智慧工廠的需求逐年升溫，觀察到這個趨勢，公司早在多年前代理自動化、機器人相關產品，致力提供機器人解決方案，也是代理丹麥自主移動機器人搬運車(AMR))大廠MiR的公司。 所羅門指出，引進自主移動機器人搬運車的公司都是希望將倚賴人工、高重複性、費時的工作，轉由自主移動機器人搬運車處理，以提升自動化作業程序，讓人力轉做更高產能的工作，工廠營運更有效率。 全球有不少國際大廠開發自主移動機器人搬運車，影響所羅門決定代理MiR自主移動機器人搬運車的關鍵因素是，MiR的設定操作最簡單，它專為非工程背景的人設計，所以企業不需要增設專人負責操作或維運。 此外，MiR自主移動機器人搬運車具有智慧路徑規劃功能，如果當天行動路徑出現非預期障礙物，MiR自主移動機器人搬運車能重新規劃路徑；因此具有操作彈性，即便作業當天才將MiR自主移動機器人移到另一處場域，也能在短時間內完成圖資，協助物料搬運，且導入過程不需要新增布線、或倚賴信標(Beacon)、感測器等外部基礎設施。 MiR自主移動機器人搬運車深受全球企業信賴的原因，還包含高度安全性。多數工作場域仍需要人力，所以讓員工在安全的作業環境中工作是重要的課題。MiR自主移動機器人搬運車的智慧防護功能，有多重安全機制把關，偵測到人體能自動迴避或關閉。 安全性高並可與人共同作業、加上簡易操作的人性化使用介面讓MiR自主移動機器人搬運車可使用在多元的室內區域，如辦公區域、生產線、倉庫、醫院、無塵室等，在全球已售出上千台的佳績，像是美國Metro Plastics、丹麥大學附屬醫院、位在西班牙的江森自控日立空調都是MiR的客戶。 代理MiR多年的所羅門也是台灣少數具有專業整合能力的公司，以機器人作為開放平台，針對不同環境及功能，配上智慧機器視覺與機器人手臂，便可應用在不同功能不同場域，像是新推出的智慧消毒機器人便是一例。 看好未來產業朝智慧化發展，這幾年切入智慧機器視覺系統市場的所羅門強調，相信科技使用來自於人性，而結合人工智慧的機器人能突破過往機器人無法達成的工作，加快產業轉型，邁向工業4.0。

AI-3D機器視覺系統品牌所羅門日前於3月9日至12日參加美國最大物流與製造展MODEX SHOW，結合AI展出智慧物流與智慧製造解決方案，其中透明物體辨識技術為一大亮點。 所羅門表示，宅經濟讓電商、物流業產能逐年增加，面對不斷湧入的物件包裹，加速物流揀貨程序是業者的勝出關鍵，所羅門的AccuPick智慧取放系統，讓機器人有眼睛且變聰明，是業主解決痛點的利器—導入過程簡單、不需要複雜程式設定即能上線，有如人腦的AI(人工智慧)3D機器視覺系統，讓機器手臂能在最短時間精確完成包裹揀貨或上下料。 過去如何正確辨識透明物體一直是光學檢測的一大難題，但所羅門的AI-3D機器視覺系統技術領先市場，去年已成功克服傳統自動光學檢測(AOI)無法辨識透明物體的難題，可正確分辨透明物件不同的擺放狀態,成功解決產業應用端問題，這項技術也會在展覽亮相。 所羅門指出，公司自主研發AI(人工智慧)與3D視覺技術，所羅門的AccuPick智慧取放系統不僅讓機器人有眼睛，更具有像人一樣的判斷能力，大幅縮短辨識時間，且辨識精確度讓業者能處理更多型態的物件，甚至是精細物，如小於0.5公分的螺絲帽、或玻璃瓶等，提升整體營運效益。而過往工業機器手臂或協作機器人，少了AI，前置作業時間長，能夠辨識的物件有限，辨識度也不夠精確，造成揀貨或上下料流程效率不彰。

工業電腦品牌宸曜科技(Neousys)日前推出以多機一體為設計概念、可提供全方位工業應用的Nuvo-8034強固嵌入式平台，能滿足系統整合商對機器視覺、工業自動化和AI人工智慧產業的所有I/O擴充需求。 Neousys宸曜產品經理 Ariel Chen表示，Nuvo-8034是新型機箱式嵌入式電腦。與傳統的4U 19英寸的工業電腦相比，其僅有一半的體積設計，卻具有更多的擴充卡槽並提供同等的計算效能，為系統整合商提供減少機櫃、並添加更多設備的絕佳契機。Nuvo-8034集中前方面板的I/O連接埠使得系統開發和維護變得非常容易。除此之外，透過支援180W NVIDIA GPU圖像運算卡的設計，讓機器視覺應用可利用尖端的深度學習開發出更複雜的物件辨識系統。Nuvo-8034嵌入式電腦滿足當代機器自動化和視覺檢測所有需求的嵌入式平台。 Nuvo-8034嵌入式平台是第一款可提供高達七個擴充卡槽的機箱式電腦，它包括兩個 x16 PCIe，兩個x8 PCIe和三個PCI卡槽，而其緊湊的尺寸僅有傳統具 4U、19英寸工業電腦的一半。Nuvo-8034配備Intel第九代/第八代Core i處理器以及工作站等級的ntel C246晶片組，提供了當今機箱型電腦先進的處理能力。Nuvo-8034具備獨特的電源和高效能的散熱通風設計，並支援單張 180W NVIDIA GPU圖像運算卡供電，可為機器視覺的深度學習應用提供 teraFLOPS的運算性能。 在I/O連接埠的擴充設計上，Nuvo-8034具有八個帶螺絲鎖定機制的USB 3.1 Gen2/Gen1埠口，兩個千兆以太網埠口，四個COM埠口和支援獨立八通道的DI/O介面，可用於廣泛的機器自動化應用；除此之外，Nuvo-8034還具有兩個在前方面板的可熱插拔的2.5英寸SATA托盤，並支援RAID 0/1，方便使用者輕鬆進行資料存儲；而在內部規格上，Nuvo-8034可支援M.2 NVMe介面和128GB DDR4快取記憶體，可提供最高規的系統效能。

以作業員為師　軟板插件難題逐步分解 如果要讓機器手臂像人類作業員一樣，執行軟板或排線的插件作業，最好的起點是觀察人類作業員如何在工站上執行這項作業。 首先，因為軟板或排線來料時的方向通常不一致，因此作業員一手拿起這類零件的同時，就會開始調整零件的方向，使其對準容易安裝的角度。對應到機器手臂的作業，這意味著手臂必須帶有視覺功能，可辨識出零件的輪廓跟方向性，從而進行調整。 第二，軟板或排線是用來連接系統中不同零部件的裝置，因此兩端各自帶有連接器。在人類作業員進行插件作業時，往往不會兩端同時插入，而是先插一端，確認連接器穩固接妥後，再把軟板或排線拉到另一端，進行插入動作，然後輕拉排線或軟板，確認連接是否穩固。有些連接器為了確保排線或軟板正確、穩固地連接，在連接器上還會附帶一個保護蓋，當作業員完成插件後，還需要把蓋子蓋上，才算完成整個工序。 對機器手臂來說，這道工序是相當複雜的。首先，人類作業員通常不會單手完成這個作業，而是雙手並用。因此，如果要用機器手臂來執行同一個工作，也要兩隻手臂協作會比較理想(圖1)，這會牽涉到相對複雜的編程作業。其次，機器手臂必須靠機器視覺來標定連接器公頭母座的位置，才能精準插件。此外，手臂本身還需要有力覺感測能力，以避免插件用力過猛，造成連接器損壞，或是在完成插件之後，輕拉排線或軟板，確認連接穩固。 圖1　要實現軟板或排線組裝的自動化，用兩隻手臂協作的方式是比較理想的。 正因為軟板或排線的插件作業是非常細膩的工作，因此，直到目前為止，絕大多數電子組裝廠都還是用人力來做這項工作，因為人有與生俱來的雙手跟視覺、力覺，只要稍加訓練，就能很流暢地完成這項工作。 雙「感」齊下　機器手臂也能細膩作業 但這不代表機器手臂無法勝任這項作業。機器手臂業者愛普生(Epson)近期就已與台灣某家電子製造業者完成了一條自動化示範產線的建置。在該產線中，跟軟板插件有關的工站，就採用了雙單手臂協作，並在手臂上整合了視覺跟力覺。其中，雙單手臂協作的程式編寫，以及力覺感測技術的整合，是比較大的技術挑戰。 雙單手臂協作的最困難之處在於，不僅要避免手臂互相干涉，甚至還要像人類一樣，把物件從一隻手遞給另一隻手，因此在程式撰寫時，必須十分仔細地規畫手臂的運動路徑，而且對通訊延遲相對敏感。因此，軟硬體便於高度整合，並具有完善軟體開發環境的愛普生機器手臂，在實現雙單手臂協作上有先天優勢。 其次，因為軟板或排線這類零組件十分纖細，如果在插件時施力不當，很容易損壞連接器，故機器手臂本身的力覺感測技術必須有相當的靈敏度。在力覺感測的靈敏度方面，愛普生自行開發的感測器，靈敏度可達0.1牛頓以下，這使得愛普生的力覺感測器很適合應用在精密組裝作業上。 值得一提的是，除了軟板跟排線這長度相對短的扁平纜線外，一些比較長而細的纜線，例如冷卻風扇的電源線，甚至天線跟主機板連接的纜線，除了一樣要精準且用適當力量來插件外，有時還會需要在機殼上的機構設計，例如線夾或走線凹槽配合，進行彎曲繞線，這也是可以用機器手臂進行的作業。但面對不同型態的纜線，需要搭配對應的客製化夾爪。愛普生在這方面也能提供客製化設計的顧問諮詢，幫用戶設計最適合的夾爪(圖2)。 圖2　在機器視覺、力覺與客製化夾爪的輔助下，以機器手臂完成軟板、排線插件已不是問題。 高度客製化考驗顧問諮詢能力 其實，整體來看，自動化產業是一個客製化程度很高的產業，即便是同一家公司，不同生產線的需求跟配置可能不太一樣，如果是不同公司，甚至是不同產業，差異只會更大。因此，機器手臂供應商不僅要提供產品跟技術，顧問諮詢的服務能力也很重要。 除了前面提到的夾爪客製化之外，力覺感測技術的應用，通常也是高度客製化的。力覺感測賦予機器手臂感知力量的能力，這讓機器手臂在執行很多工作時，能比以往做得更細膩。舉例來說，曲面拋光、塗膠這類作業，在沒有力覺感測技術的輔助下，當然也能透過程式編寫或CAD to Point這類軟體工具，讓手臂依循固定的路徑運動，完成作業。 但這種作法在實際應用上很容易出現問題，特別是曲面拋光。因為拋光頭本身是消耗品，隨著時間過去，拋光頭會因為磨耗變得越來越薄，如果手臂的運動路徑沒有力覺感測技術來補償修正，只按照給定路徑運動，拋光的效果會越來越糟。 因此，目前有拋光製程需求的業者，如果導入機器手臂做自動化，通常得靠經驗來決定何時更換拋光頭。但如果有力覺感測輔助，業者就可以用更科學化的方式來判斷何時需要更換耗材，而且停機更換的頻率通常可以降低，因為力覺技術可以用來修正手臂的運動路徑，讓拋光頭用得更徹底，且不影響拋光成效。 因為這類需求十分常見，而且能給用戶帶來明顯的經濟效益，愛普生目前正在整理過去相關顧問諮詢所累積的經驗跟知識，將其固化成一套具有圖形化使用者介面(GUI)的工具，讓使用者能更快、更直覺地將整合了力覺功能的機器手臂導入到拋光製程中。 (本文作者任職於愛普生)  

許多製藥廠商採用自動化方式進行前期生產、後段包裝，以及包裝之後的檢測過程，以減少因人工檢驗而導致效率低落和巨額的人事與管理成本。為了達到品質要求，許多廠商結合機器視覺系統及自動化機台(生產線機器)，透過圖形分析、顏色辨識、條碼辨識以及字元檢測，以實現最高品質及最高效益的生產線流程。 近年來，各地製藥廠商紛紛轉型，部署全自動化生產線。其中，液態藥瓶生產製造及檢測過程歷經層層關卡，借助機器視覺系統、總體檢測效率及檢測準確性都較以往的人力大幅提高。針對此需求，有廠商推出USB 3.1彩色工業相機，能夠在高速運轉的生產線上捕捉到每個經過藥瓶的圖像，然後經過後端圖像軟體分析，進行良品與不良品的篩選，同時也可以記錄圖像資料，以便後序可以快速查詢、追溯和檢索品項。 圖像記錄檢測瓶裝藥品　相對位置標準更準確 液態藥品裝瓶後，通常須要經過個檢測環節，來判斷藥液裝瓶是否夠量、瓶口是否有破損、瓶蓋是否壓裝到位，以確保藥量正確、藥瓶封裝完好，以及瓶內的真空度正常。因此在對瓶裝藥液進行檢測前，製藥商通常會先利用圖像感測器紀錄正常瓶口的特徵和藥液的標準位置。當每瓶藥液經過檢測鏡頭前時，相機會捕捉當前被檢測物體的特徵，然後將捕獲的圖像與先前拍攝的樣本圖像進行比對。檢測標準採用相對位置標準，因此不會因瓶子在傳送帶上受到微弱跳動的影響做出錯誤判斷。 USB 3.1工業相機監控/分析/優化製藥流程 USB工業相機現今已被廣泛安裝在機器輸送帶上，代替人眼進行判斷和測量，因為它能夠在高速移動過程中捕獲清晰的圖像，並能快速且準確地進行圖像資料的傳輸和處理。USB 3.1工業相機能在較為惡劣的環境下長時間連續運行，並能保證穩定、可靠的性能和準確的拍攝效率，較過去USB 2.0傳輸更為快速。將USB 3.1工業相機用在製藥過程中時，可以用來監控、分析和優化製藥流程，確保藥品品質，提高生產率。 空藥瓶在運送過程難免會碰撞缺損，為避免瓶內有碎玻璃混進以及之後瓶蓋無法密合，在填裝藥液之前可運用工業相機進行垂直瓶口檢測(圖1)，第一步篩選過濾有缺損或破碎瓶口的空藥瓶。為清楚呈現所拍攝之瓶口，業者所推出的USB 3.1相機搭載感光元件，提供高畫素及低噪點圖像品質，可捕捉快速透過產線的每一個藥瓶，拍攝後的圖像則可即時傳送至小電腦，透過電腦自動比對正常樣本圖像，之後小電腦便可下指令至自動化機器，將不符合標準的藥瓶送入廢品區淘汰。 圖1　使用垂直相機進行瓶口瑕疵檢測。 當藥瓶經過自動化機器填充完液體藥品後，便直接封口。一般醫療用藥液會有內塞先封住瓶口，接著再使用機器將外蓋(鋁蓋)內壓密合，以確保瓶內藥液不受污染或變質。先透過彩色工業相機垂直拍攝瓶蓋顏色，獲得的圖像傳輸至電腦，透過事先儲存設定的色彩，進行顏色比對，來辨識所經過的藥瓶是否正確。 接著，在下一個關卡架設側拍相機，取得的圖像經過量測軟體或程式來辨別液位高度，同時上下比對瓶蓋位置，確認是否每個瓶蓋都已密封。在此兩關卡上，不合格的藥瓶則如瓶口檢測後的結果，由小電腦自動下指令至自動化機器，送至廢品區。 而除了藥瓶檢測，許多製藥商會在藥瓶瓶身或瓶蓋上貼上或嵌入標籤號碼、日期或相關的藥品名稱。使用具高效穩健條碼辨識演算法的相機，能迅速地偵測並辨識任何方位的一維與二維條碼；也可設定只掃描特定的條碼圖形及方位；或設定感興趣區域(ROI)加速偵測及解碼效率。製藥廠商只須利用工業相機讀取標籤上或噴塗在包裝上的一維或二維條碼，就可以即時獲得藥品的詳細成分、生產日期等資訊。 機器視覺結合自動化生產提高製藥品質 上述條列機器視覺在藥瓶檢測的部分應用，然而機器視覺用以提高製藥工作的效率和準確度仍需仰賴與自動化製藥生產系統緊密結合，才能達到提高品質，提高效率和降低成本的目標。也由於藥瓶檢測常與自動化機配合使用，端看不同藥廠的需求以及不同廠家自動化機所提供不同的功能，對於機器視覺相關的應用也有不一樣的變化。然而，對於要求高品質和高可靠性的製藥廠商而言，USB 3.1工業相機的設計，在製藥過程中滿足了高速、高解析度、高畫質影像、完整色彩重現及高穩定性等需求。 (本文作者任職於兆鎂新)

中國自2010年開始投入AI技術的發展，在機器視覺與自然語言相關的應用領域方面有著相當亮眼的成績。 只是這些技術並不是完全來自紮實的技術發展，畢竟中國過去在基礎教育方面的貧乏，使其缺乏研發AI相關技術的人才，這與美國在基礎科學發展努力了百年之久，累積龐大人才和技術庫的情況不同。因此，為了達到快速發展的目的，不擇手段就成了最被普遍使用，成效也最好的手段。 鼓勵留學/千人計畫　中國打下AI發展基礎 中國以三種方式來取得相關技術，並建立自己的AI技術基礎。首先，就是鼓勵資助大量留學生前往美國留學，學習技術之後可能會進入中國學界或業界主持各種研發項目。這個還算是比較正規的方法，而有一部份留學生在畢業後沒有馬上回國，而是留在當地就業，並促成第二種技術「轉移」方式。 第二種方法就是以大量金錢作為誘因，吸收在外國相關高科技企業工作的中國人，為政府取得技術，並回中國創立類似性質公司，中國另外還會高額補助該企業發展。知名的千人計畫其實就是在做這件事，不過千人計畫已經被國際關切，目前中國也轉向低調，不在檯面上提到千人計畫的執行內容和牽扯的相關人士，但實際上該計畫還是持續執行中。 而最後一個方法，則是利用政策壓力，以中國龐大的市場規模，強制要在中國做生意的外商進行技術轉移，這個手段因為太過明目張膽，反而科技大廠在技術轉移的選擇或策略上都有設下防火牆，所以受害並沒有那麼直接，但這也已經足夠讓中國包括AI技術在內的高科技公司得到快速成長的養分，這些外商原本認為他們只是到中國做生意，但其實是幫助了中國產業發展，而當中國自有技術到位，就會打入供應鏈，利用價格優勢把這些外商擠出中國市場。 監控成中國AI技術最大驅動力 另一方面，從應用面來看，中國發展AI的動機並不是那麼單純，雖然中國是全球最快實現AI商業化的地區之一，目前也已經有相當大的經濟規模，但如果把目前中國的AI經濟進行分解的話，就可以發現大部份的AI產值都是來自同一個地方，也就是安防監控應用上。 目前的中國安防監控產業，其實結合了晶片、AI演算法供應商、攝影機模組供應商、影像感測元件、儲存、伺服器方案等。同時，中國檯面上的AI方案公司主要是以前二者為主，也有自行設計前後端方案後推出整合型的AI攝影機模組的公司，例如海康威視。 作為監控產業龍頭，海康威視的最新財報中顯示，其監控相關業務的營收占了93%，而在中國四大AI金剛，商湯、曠視、依圖、雲從，以及更多以CV技術為基礎的AI新創公司，幾乎都是以接政府的監控、安防業務為主要營收來源，而根據各家的財務資料或公司負責人的受訪內容，這些公司的安防營收比重各約從3成到6成左右。 而多數AI晶片新創公司也幾乎都以安防為第一目標市場，比如說原本做挖礦晶片，後來轉型推出AI晶片的比特大陸，以及自動駕駛方案廠商地平線等，都不敢忽視安防監控這塊市場肥肉。 安防監控是每個國家都需要的重要基礎建設，但中國對這方面的需求遠超過全球其他國家，光是過去幾年，全中國的監視攝影機以每年接近一億部數量增加，而這些逐年新增的攝影機背後幾乎都與龐大的AI基礎建設進行連結，為發展相關技術生態，中國在過去數年投入上兆台幣資金規模發展和建置相關的技術平台。 在國家有意扶持發展之下，機器視覺(Computer Vision)是中國產業目前最強大的AI技術應用之一，基於該技術的人臉識別能力已達業界一流，其實務應用準確度已經可以達到98.5%以上，實驗室中甚至可以達到99.99%。除了人臉識別技術外，包括人體移動姿態、服飾追蹤的外觀型態模型建立，也更幫助整個監控系統更充分掌握要追蹤的目標動向。 除了政府的推動以外，中國對於個人隱私保護認知的不足，也成為推動AI發展的關鍵元素，畢竟AI都是基於機器學習所建立的模型，如果樣本不夠大，那麼建立出來的模型可靠度就不足。歐美由於對個人臉孔等可以和個人身份高度連結的隱私資料非常重視，可用來進行機器學習的公開資料比較有限，而蘋果過去Siri被詬病的不夠聰明，也是由於這個緣故。 中國人口基數大，而從手機應用、銀行業務、安防設備等日常生活中各種需要擷取臉孔的應用極多，相關後台收集了龐大的臉孔資料，這些資料也成為推動具備中國特色AI發展的重要養分。 然而隨著安防監控的市場競爭者越來越多，技術發展上也開始遭遇瓶頸，在核心的模型建立方面，各家落差已經不大，資本投入也從模型和演算法的研發逐漸轉為應用面的擴大，希望把這些以龐大人臉資料庫訓練出來的AI技術轉移到其他領域，創造更多的商業機會。 無人商店功敗垂成 這方面最成功的該屬金融機構的人臉識別技術。由於金融機構對臉部識別的精確度要求更高，這方面多數直接沿用政府的臉部資料庫和模型，並輔以更精準的演算法；當然，這方面的應用也是多數專注機器視覺的AI公司的共通發展方向。不過金融機構的市場胃納量有限，很快的，這些AI公司又把腦筋動到了無人商店之類的AI應用。 但與安防監控和金融機構的人臉識別不同，無人商店並沒有獲得成功。這是因為無人商店最主要的訴求，也就是降低管理成本，沒有辦法達到宣稱的效果。 這主要還是因為中國人力成本低，Amazon的無人商店之所以能成功，在於美國的人力成本高，另一方面，Amazon的使用體驗經過高度最佳化。因為是Amazon集團經營，所有銷售資料都會在雲端統整分析，整理出各地商店的消費偏好模式，讓商品的類型可以更符合當地的消費習慣。 相較之下，中國的無人商店概念仍僅止於交易過程的無人化，為了取代店員，使用了更昂貴的機器設備，反而造成經營成本壓力。另一方面，中國網購盛行，到店消費早已不是主流，在這個情況之下，實體店面的營收只會持續下滑，根本無力支撐龐大的無人化硬體套件。 也因此，雖然前幾年相關概念極為火熱，但商用之後才發現實際問題很大，諸多無人商店業者紛紛退出市場。光是2018年，幾個主要的無人商店業者，包含鄰家便利、猩便利、7隻考拉和小閃科技都先後倒閉。 像蘇寧、騰訊的無人快閃店等，雖然仍持續經營，也都只有小規模部份設點。最早的無人商店概念之一，F5未來商店則是走販賣機形式的無人販售方式，雖然稱為無人商店，但其實更像台灣近來風行的夾娃娃機產業，差別只在於收款和販賣方式不同。 無人商店這個議題也曾掀起一波融資潮，大把金錢湧入這個新興概念產業，但跟OFO之類的共享經濟概念相似，多數都撐不了多久，錢燒光了就宣告倒閉。 AI醫療/AIoT挑戰仍多 當然，也不能說中國就沒有正經八百發展AI的產業，比如說醫療、包含智慧城市、智慧家居、智慧零售和智慧製造等四項應用場景的AIoT概念。 醫療方面AI發展同樣集中在機器視覺領域。比如說X光片、超音波等醫學專業圖像的判讀交給AI來處理，效率更高，準確度也更好；而AI也用來進行病歷管理工作，這對於中國這種醫療環境相對落後，且醫護人員缺乏的國家，其實可以帶來相當大的幫助。 然而技術雖有突破，但中國政府在監管方面卻轉趨收緊，新規要求針對醫療圖像進行診斷的公司必須申請醫療器械許可證，而申請耗時需要一年以上，目前還沒有公司拿到許可證。而因為市場風險增加，融資難度也明顯提升，也讓中國業者面臨發展陰影。 而AIoT牽扯到的AI技術層次更多，機器視覺雖然仍占很大的比重，但自然語言、自動駕駛、無人倉儲管理等AI演算法在這些領域也同樣扮演重要角色。然而這方面的發展還處於早期階段，相關產值短期內也很難看到拉升。 爭取融資　中國晶片設計同質性偏高 隨著AI浪潮興起的，還有針對雲端和終端等不同AI應用中的訓練和推理場景進行加速的相關晶片方案。而其實AI晶片最主要還是在演算法的差別，晶片本身的設計難度並不高，除了針對不同運算場景的需求配置不同的記憶體或功能區塊以外，AI本身的計算工作基本上都是通過類似的大規模乘加法運算器(MACs)來達成。 AI晶片方案的發展其實是最近幾年的事，從最早使用FPGA搭配自有演算法的方案，到後來有不少廠商發展自己的晶片，配合演算法與開發環境主打AI通用運算工作。而像寒武紀這類的中國業者則是推出AI運算晶片IP，授權給客戶作為AI運算方案。 隨著這些方案的發展，彼此的同質性越來越高，架構設計上也沒有太多差異。而因為AI晶片設計的門檻低，不少原本專注於AI演算的公司也開始推出自己的AI晶片，主打根據特定場景的最佳化更到位，可以提供更高效能，更低功耗，以及更少的維持成本。 只不過，業界想的基本上都差不多，不是針對雲端的高性能AI晶片，不然就是針對邊緣和終端的低功耗AI晶片，性能差異的來源主要還是在晶片上的運算單元和記憶體規模，以及配合的演算法實現方式。 至於為什麼晶片公司先後發表自己的AI方案，主要還是融資市場對這方面的議題非常關注，由於中國產業高喊自有的聲音很大，能推出方案的晶片設計公司通常都能夠拿到很多的投資。而這些方案能成功實現商業化的數量有限，多數成功商業化的AI晶片走進安防監控領域，或者是部份AIoT市場。 舉例來說，號稱自動駕駛最強的地平線公司在2018年貢獻營收的主要還是安防方案，自動駕駛方案基本上只有少量出貨給合作廠商進行測試，還沒有大規模商用。而為了維繫投資人的熱情，這些AI晶片廠商即便沒有客戶，仍然不斷的開出新方案，計算性能與規模也越喊越誇張。 回過頭來看，中國市場的AI運算市場，雲端機器學習加速架構仍有超過9成被NVIDIA掌握，CPU方案則幾乎由英特爾獨占，推理方面英特爾的FPGA和NVIDIA的GPU各有一部份。至於AIoT領域中，真正的終端AI還沒有大規模實現，手機晶片上雖然有華為和寒武紀的合作，但先行者的優勢至今也已經逐漸被抹滅，蘋果和高通，甚至聯發科的手機AI性能基本上都能和華為的方案平起平坐。也因此，就連業者也認為這些AI晶片公司可能需要一波清洗，好去蕪存菁。 煉蠱式成長壓力大　國家隊仍可能彼此殘殺 最著名的兩個國家隊領袖，分別是華為與寒武紀，二者的合作的確製造了不少話題，並為華為當時的旗艦手機創造了銷售熱度。但有趣的是，寒武紀在新聞資料上對華為低聲下氣，也曾讚賞二者的合作。然而華為卻自始至終都否認相關的訊息，對外永遠只說華為用在手機上的NPU神經網路加速單元是自行研發的產品。即便業界都知道這個NPU的來龍去脈。 作為寒武紀少數的IP授權客戶之一，且出貨量極大，他自然不敢得罪華為，但華為卻明顯另有盤算。到了麒麟810，華為用自有的昇騰AI架構取代了寒武紀。而華為繼續對外宣稱，他們研發相關的AI架構已經超過10年之久。耐能的CEO就曾指出，當初華為和寒武紀的合作，其實等同於華為逼迫寒武紀賣身，也就是把寒武紀NPU的IP的原始碼全部交給華為，華為才願意合作。 而從2017年的麒麟970推算，華為拿到寒武紀的NPU原始碼最早可能在2016年左右，而到2018年推出「自有」昇騰AI架構，也不過才兩三年。華為的狼性著實讓寒武紀吃足苦頭，原因在於華為的昇騰架構要打的市場和寒武紀高度重疊。寒武紀是中國少數提供晶片IP授權業務的公司，而發生華為這個事件，相關的業者未來在選擇合作對像以及合作方式時，應該會更謹慎。 中國應用優勢漸失成未來隱憂 成也應用，敗也應用，AI最後的商業化關鍵還是在於應用是否與有足夠的市場吸引力，由中國政府創造的安防監控應用雖然規模龐大，相關內需產值驚人，但市場競爭也大，而其他如自動駕駛或AIoT也還遠遠談不上成熟，而最主要的關鍵是，多數AI方案公司基本上都只能守在中國，打不進國際市場，而目前中美貿易情勢緊張，製造業等內需減弱，短期內也不見和解的可能，這都讓中國的AI產業烏雲罩頂。

在2018年，只有實驗性的自駕車可以聲稱擁有車載人工智慧(AI)。過去一段時間AI運算市場由數據中心的應用驅動，2018年運算市場的市場規模達到1.56億美元。在未來10年，隨著自駕出租車和接駁車的發展，產業研究機構Yole Développement(Yole)研究表示，該市場仍將是人工智慧在汽車產業的主要營收來源，預計2028年的營收規模將達到90億美元。 2019年，首批符合Level 3標準的汽車將上路，人工智慧將進入ADAS Level 2等級的汽車上，取代傳統的機器視覺算法。預計2019年ADAS的運算市場將達到6300萬美元，到2028年強勁成長至近37億美元。在資訊娛樂系統上，AI已經出現在高階BMW、Volvo和Benz車型中。此外，嵌入式車載運算仍然相當便宜，因為運算大部分都透過雲端完成。然而，就智慧家庭市場而言，願意為Edge帶來智慧功能，這意味著需要創建功能強大，更昂貴的運算能力。Yole預期資訊娛樂運算收入將大幅成長，從2018年的1800萬美元增加到2028年的7.68億美元。 整體而言，所有與人工智慧相關的運算實際上正經歷爆炸式的成長，Yole認為在2018年到2028年之間，AI在汽車相關的應用上，產業規模將從1.74億美元，成長到近140億美元，年複合成長率(CAGR)高達49%。