AI糾察隊 揪PCB瑕疵影像快狠準
「瑕疵影像分類技術」兼具決策彈性與運算效能，瑕疵分類正確率可達99.95%以上，可協助目檢員減少57%的檢測篩檢量，解決現行生產線需大量人力複檢、效率低落的問題。（工研院提供／李侑珊臺北傳真）
臺灣印刷電路板（PCB）產業在全球市佔率位居第一，在臺灣製造業佔了相當重要的地位。對業者來說，良率不高不僅會增加不必要的成本，更會損害企業信譽，爲了進行嚴格的品質管理，業者普遍應用自動光學檢測（AOI）設備進行瑕疵檢測。
這項設備有「寧可錯殺百人，不可放過一人」的特性，生產線仰賴大量人力做第二道把關，檢測效率低落。面對PCB產業的難題，工研院團隊研發一系列的AI技術，大幅提升檢測效率。
工研院向業者取得130萬張PCB瑕疵影像，運用人工智慧，以深度學習網路架構進行AI模型的訓練，發展「瑕疵影像分類技術」的AI技術，讓機器視覺擁有學習能力，遇到相似的產品或有瑕疵時，可以自主判斷，瑕疵分類正確率達99.95%以上，協助產線檢測員減少57%的檢測篩檢量。
PCB業者要求，每片PCB的檢測速度必須小於20毫秒。因此工研院團隊想出「衆智式演算法」，類似AI評審團的概念，讓瑕疵檢測快、狠、準。
工研院「瑕疵影像分類技術」有效解決傳統光學檢測設備誤判率太高、需要大量人工複檢的問題，也讓業者減少退貨及人力、能源等資源消耗，更讓產線由抽檢轉變成全檢，大幅提升PCB良率。同時結合了「智慧化資料標記解決方案」，持續強化資料標記品質，降低訓練所需資料標記量至少一半，大大降低了AI導入產線應用的門檻。