AI系統是否能取代人力,其中最大的關鍵在於準確率,由於 AI 需要借助前端的光學技術,來將標的物拍攝清楚,因此光學「零件」上,靈活度還是以人眼獲勝,但是人會因為各種因素造成辨識率下滑,如果AI系統的辨識率能高於人類,那麼這套系統才有導入的價值跟意義。
Table of Contents
Toggle提高系統的AI辨識重點 -> 深入優化AI數據分析細節
常常很多客戶私下問我們,如何提高辨識率,其實這有非常多層面值得探討,以圖中的三角形來說,我們會將演算法分為六個部分,由下而上依序為:資料收集、數據清理、AI 架構、深度學習演算法、辨識邏輯後處理以及最後的辨識結果輸出,每一個部分都有許多學問以及大量的工作。
提高ai辨識工法1、加強資料收集品質
大家都知道數據是AI 分析的基石,但是數據量越多不代表辨識效果越好,其中主要的原因是資料的品質,一個優秀的演算法工程師必需知道應該要收集什麼樣的資料,訓練時缺乏哪一些資料,又該如何補足,過去做專案的時候,工程師甚至常常需要跟著客戶下場“演出”,協同客戶一起拍攝,如果資料採集不夠精準,常常一個小時的影片,可用的卻是寥寥無幾,現在已經有一些方法,例如,用影像前處理的方法,讓照片強化或是修補亮度,或是可以在虛擬的環境中,生成一些影像資料,例如 Nvidia omniverse,當客戶資料不易取得(可能是資安政策不允許外傳,或是少見的瑕疵種類等等),可以依據工程師的需求,生成出多樣的訓練資料,畢竟資料的多樣性,也是讓辨識率提高的重要因素。因此客人常常問,為什麼需要這麼多的影片?為什麼還要補拍,那是因為訓練的結果不如預期,有經驗的工程師能判斷還訓練資料,以及資料該如何需調整,畢竟,各位客官的辨識率要求就是這麼高啊!
提高ai辨識工法2、數據清理要符合真正需求
如上所述,如何從一整段影片中提取真正有用的資料,在ai訓練的世界裡,有句話是 garbage in,garbage out ,有效的資料不用過多,但給電腦無效的資料越多,辨識結果越背離預期,因此工程師的經驗非常重要,他們要能判斷出哪些資料應該怎麼匡,怎麼增補,什麼樣的資料要放棄,每一個案子的需求不同,辨識目標不同,針對訓練資料的要求也會不同。通常一個簡單的案子,甚至之前就做好的訓練模組,都需要根據需求來做不同的修改跟調整,每一張訓練的照片,所需要標注的數量也不同。這一個階段是最耗費大量的人力跟時間的。
延伸閱讀:【應用案例】5大瑕疵檢測深度學習之影像處理, AI 光學辨識技術大升級!
提高ai辨識工法3、AI架構要彈性
過去辨識只需要機器學習,深度學習演算法則能夠完成日益複雜的辨識需求,簡單來說,機器學習比較偏向圖形比對,而深度學習則是多層的機器學習所疊加起來,機器學習只需要判斷一次,深度學習則會根據辨識需求,做多次的推論,這麼大量的演算工作對於電腦來說是一項大工程,有助於科技的進步,Nvidia 的圖形卡的運算能力讓這項工作能夠實現,但這麼多層的判斷也很考驗工程師的功力,如何將程式寫得又快(效率高)又好(正確率高),其中程式架構非常關鍵,要在一開始就規劃好整個辨識邏輯跟架構,否則隨著客戶辨識需求增加或是複雜化,辨識系統會變得又慢又重,而且辨識率也差,無法達到客戶的期望。
提高ai辨識工法4、深度學習演算法並應用於專案上,以符合時代需求
有了足夠的訓練資料,跟健全良好的程式架構,再來就是要決定使用哪一種演算法,網路上有許多公開的演算法,到底哪一種最好還未可說,但是根據客戶的辨識目標,知道該使用哪一種才是關鍵!不同的辨識模型有不同的特性與優勢,例如有的是針對特別小的物件,有的是強調辨識速度快,有的是特別省算力,工程師必須要熟悉多種不同的工具,並且要不斷地研究新的論文,才能做良好的搭配運用,在不同的專案上達到客戶的標準!
延伸閱讀:
如何快速導入AI 開發專案?專家建議的4大執行要素
傳統AOI 導入 AI 辨識系統的困境
如何透過AI AOI瑕疵檢測改善工廠製程?
提高ai辨識工法5、辨識邏輯後處理,經驗與判斷很重要
在程式運作的過程,會不斷地產生辨識結果,以車牌辨識作為例子,車子由遠而近,整個過程辨識程式可能對於車牌上的數字做出多個判斷,一開始距離遠,可能判斷為8,隨著車頭靠近,可能產生另一個答案是3,最後等到車頭抵達設定的辨識區域,程式可能又判斷成0,這時候,到底該在資料庫寫入哪一筆結果才是符合實際的狀況?這只是一個例子,實際專案就必須要依據客戶的SOP、人員工作習慣、以及現場實際的情況來撰寫程式判斷邏輯,這個在演算法工程師的養成過程中,是一門很重要的功課,跟工程師的專案經驗也有很大的關聯。
提高ai辨識工法6、辨識結果輸出,並配合警示效果
最後也是使用者滿意的關鍵,有了辨識結果,就像人的眼睛與大腦合作,即時判斷出危險訊號後,該如何反應才能讓自己免於危險,同樣的,AI 系統判斷出異常,如果沒有做任何的反應,那麼跟只用監視器錄影是沒有兩樣,這一階段需要跟客戶大量的溝通,瞭解客戶的需求,能依據客戶現場的狀況,以各種告警方式(如聲音、閃燈號、UI介面)呈現,或是直接串接到客戶既有系統,讓客戶在不改變作業流程的情況下,得到即時且適應的提醒。如此一來,客戶的滿意度才足以顯現AI 系統的價值與實用性!
以上是集結奕瑞科技這些年累積的大量專案經驗所做的一個小小報告,期待客戶能提出更多的想法以及意見,在AI 萌芽的這個階段,跟著客戶一起成長,並且可以帶給客戶更多更好的AI體驗!
了解更多導入AI專案資訊: 聯絡奕瑞 | 最新AI活動展出&案例