在台灣，擠進全世界前五百大的公司中，製造業的佔比是最大的，從1980年代開始，製造業在整體GDP的佔比就高達35%~38%之間，後續雖然有逐年下降，但2020年時，又緩步回升到32%，有製造業的地方，就一定離不開AOI瑕疵檢測。
製造業真的有需要導入 AI 辨識系統嗎？
AOI雖是一個已經歷經數十年的淬煉的成熟技術，仍有許多無法突破的瓶頸，例如誤殺率太高，導致複檢的人力無法降低，還有某些瑕疵需要多條件下才能判斷，以及無法制定容錯空間等等，這些都是製造廠商所面臨到必須忍痛包容的點，尤其現今面臨產業轉型，許多產線被迫調整成少量多樣的形式，這些都是過去AOI 所難以克服的。
但隨著AI技術的興起與成熟，大家著眼於AI 能夠解決以上的困境，然而實際面有這樣容易嗎？ AOI 要加裝AI 這對翅膀會遇到什麼樣的問題呢？
延伸閱讀：
如何透過AI AOI瑕疵檢測改善工廠製程？
【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！
AI 辨識系統的導入，能如何協助AOI瑕疵辨別的判斷？
首先，良率提升是否達到預期？ 以傳統的AOI 來說，多是用光學比對的方式，在主程式中需要放有圖庫，讓判讀程式來比對，但是AI 則是經過影像辨識訓練之後，可以依據瑕疵的特徵來做偵測，因此需要的訓練樣本更少，模型建立速度更快。並且後續只需要以增加樣本的方式，就能逐漸提高檢測率或是降低漏檢率。製造業者比起誤判率，更在乎的是不要漏檢，也就是江湖傳言的，寧可錯殺一百，也不要有漏網之魚，而這些就是AI 面臨的挑戰！
另外AI 相較於傳統AOI 需要的電腦算力比較大，受限於目前硬體的效能，通常無法像過去那樣極短時間內比對上百萬張的圖片，因此大部分客戶都會用AI AOI用來作第二次的複判，將AOI判為瑕疵的再做一次檢查，像這樣與傳統AOI 設備檢測流程的整合，也是極其關鍵的挑戰。
最後，很多AI 模型都是在實驗室裏面閉門造車，或許在可控的環境，數量不多的樣品測試底下，表現還算令人滿意，然而未經過大量的現實產線檢驗，許多廠商也不敢貿然使用，以我們的經驗，模型的成熟以及穩定，端賴與業主不斷地溝通以及通力合作，搜集各式種類的樣本，花費許多心力時間所累積才有令人滿意的可靠AI。
3個企業自行開發AI 辨識系統最常面臨到的問題
很多傳統AOI公司面臨AI 來襲，都會考慮是否在公司內部成立AI 部門，找團隊來耕耘，立意雖好，但以目前來說：
- AI 深度演算法有一定的門檻，人才難得。
- 進來之後除非對於演算法的研究有相當的熱誠，讓他單一做一樣瑕疵檢測，很容易磨耗心志與熱誠，好不容易培養出來的人才也會面臨難以留任。
- 演算法推陳不斷出新。
除了軟體技術開發外還需與學術研究配合，往往過去的方法百試不靈，但是採用新的論文新的方法就解決了，可見維運一個有競爭力與專業性的軟體，所需耗費心力＆人力程度不容小覷，這些是我們有許多配合的AOI 設備廠商都共同面臨到的問題！
奕瑞科技只專注在AI 軟體，是AOI 設備廠商最良善且有力的合作夥伴。與我們合作。就等於擁有一個強大的AI 團隊在手上。
