富士康藉电脑视觉加速代工产线运作效率,未来目标实现全自动化应



在此次GTC 2019期间,富士康 (Foxconn)实际展示旗下将电脑视觉技术应用在产线,让产品生产检测更具效率,同时也能提昇产品整体生产速度的解决方案,强调整体检验精準度可达98%以上,同时更可让检测所需人力从原本400人左右精简至2-3人即可完成。

富士康目前应用在武汉产线的人工智慧检测系统

富士康这套检验系统目前主要应用在中国境内武汉生产线,主要希望改善传统必须透过大量人力进行检验,同时透过人工检验往往在一段时间后,可能因为视觉疲劳等因素造成检验精度下降,反而让产品生产良率下降。而另一方面,则自然包含人力成本、资源最佳化利用,以及提生产线效能等考量,因此希望藉由人工智慧技术导入提昇生产效率。

此次在GTC 2019期间展示的解决方案主要用于产品外观等细节检测,富士康表示在其他生产过程其实也会有不同技术应用导入,甚至可以藉由自动化应用串接不同生产流程,让整体产线可以实现透过少数人力管理即可全自动化运作,并且让产线系统可依照检测结果自动校正生产误差情况。

而在检测系统设计中,富士康说明依照不同检测需求,在一般简单外观判断其实使用Jetson系统效能就能实现,但在此次展示的主机壳侧板检测流程因为包含外观瑕疵、金属板边缘凹折弧度是否符合要求等项目,因此採用的是Tesla T4 GPU组成系统,搭配多组镜头进行电脑视觉辨识,藉此实现辨识精度可达98%以上,并且超越人眼视觉所及检视细节,让整个检测系统可以完成过往必须花费400人左右进行检测的工作流程,甚至目标希望能使单次可完成800组物件检测数量提高至1200组。

在学习训练方面,富士康会预先透过瑕疵範例图像让系统进行前期训练,尔后套用在新零件的辨识学习所需时间基本上只需花费3天即可完成,同时随着持续学习累积经验,理论上也能让相似零件的辨识学习时间缩减,但为了维持一定辨识精度,基本上还是会以3天学习训练时间长度为主。

此项辨识系统除了应用在富士康武汉生产线,未来也有可能应用在其他产线,甚至可能应用在零件相对简单、複杂度比较不高的生产零件检测。

这样的情况,其实也说明虽然电脑视觉等人工智慧技术应用,似乎已经可以取代部分传统人力需求,但诸如手机等相对複杂的零件检测,现阶段可能还是会仰赖人工检测居多,其中因素可能包含现行检测系统辨识精度,以及整体建置成本与传统人力成本比较。

不过,依照富士康未来发展目标希望走向全自动化产线运作模式,显然接下来也会持续藉由电脑视觉等人工智慧技术导入,让产线运作成本能更进一步精简。

除了富士康,其实现在已经有越来越多产线、工厂、农场都已经开始导入电脑视觉应用等人工智慧技术,例如亚马逊很早之前就已经开始导入机器人协助拣货、分货,而不少现代化农场也开始透过电脑视觉技术判断农作物良率,意味传统单纯仅以人力完成的工作,逐渐可由电脑系统取代,但在需要人脑做进一步判断,以及更精準操作的工作方面,传统人力依然会有其不可取代性。

传统产线检测需要透过大量人力,以肉眼方式进行检测,但可能会有疲劳等因素影响检测精度

精简地来说,富士康此套检测系统就是藉由多组镜头捕捉影像资讯,并且透过Jetson AGX或Tesla T4进行电脑视觉学习加速,让系统能针对实际拍摄影像比对生产零件是否符合规定

检测系统内部结构

预先透过瑕疵範例图像让系统进行深度学习

透过多组镜头进行拍摄

实际运作流程

通常单一零件会针对外观涂装瑕疵、外型凹折弧度等是否符合规範,并且透过前期学习让系统建立基础判断模型

电脑检测系统会透过镜头、GPU元件协助学习加速

你也许会想看以下内容:因应新款MacBook Pro 苹果悄悄调降USB…Google证实模组化手机中止发展…检测系统应用富士康视觉电脑产线学习生产



上一篇: 下一篇:



  • 热门文章
编辑推荐