應用AI、MCU減輕人力負擔、拉高良率， 雲科大鎖定智慧檢測，助攻產業提升生產力

數位轉型已成近年產業顯學，國立雲林科技大學智慧辨識產業服務研究中心（IRIS）運用簡單的人工智慧協助工廠進行品質檢測，讓智慧製造不再遙不可及。

以往，智慧製造的AI應用大多著重在雲端的高階主機，但雲科大利用邊緣運算讓低階設備不需連接到雲端運算，也能具備人工智慧的運算能力，協助工廠人員做品質檢測，不僅降低了建置成本，還可提升生產效益。

導入AI檢測，提升產業價值

雲科大智慧辨識產業服務研究中心主任張傳育指出，中心鎖定智慧檢測、智慧醫療與智慧生活三大領域，而產業在「智慧檢測」遇到最大的問題在於，目前評測仍以肉眼做判斷，判斷標準往往因人而異，工作一整天也容易因疲勞而誤判。「導入AI應用之後，本來一天可能要檢查上千片，現在說不定一百片裡只要處理五片復判就好，可以減輕不少人力負擔。」

張傳育以砂輪產業為例。砂輪在製造過程中，容易產生形狀缺陷、樹脂溢出、低密度等問題，目前廠內缺陷檢測都是利用肉眼觀察，但人眼對細微缺陷的敏感度較低，容易造成誤判使得漏檢過高，且長時間工作疲勞也可能導致檢測品質下滑。

雲科大團隊使用深度學習網路開發「結合影像辨識的砂輪缺陷AI檢測系統」，提出從光源、鏡頭選配到AI模型的完整解決方案，可自動協助人員判定玻璃纖維切割片與研磨片缺陷，並量化各種不良數值，以利於後續品管維持。藉由產業高值化、自動化，迎戰中國、東南亞企業的低價激烈競爭。

發展邊緣訓練，貼近產線需求

擁有十七年業界經驗的雲科大電機系教授洪崇文，同時也是IRIS中心專家，多年來一直專注在MCU微處理器的研發。團隊針對許多工廠生產線都有的夾爪，在系統單晶片上安裝MCU、震動感測器，以低成本的方式，加上簡單的人工智慧，就能在進料過程中協助排除進錯料或瑕疵的狀況。

洪崇文指出，過去幾年的AI運算都是在雲端或霧端（未連接到機房，而是傳輸到工廠伺服器運算），但如果網路斷線就無法運作，透過邊緣運算可避免傳輸延遲影響生產線運作。不過，洪崇文團隊所開發的應用可不僅止於此。

洪崇文團隊除了將訓練完成的大腦（AI）移植到MCU上，更進一步繼續做「邊緣訓練」。洪崇文比喻，就像運動選手賽前必須先適應場地，「每台機器都有個別差異，訓練完的大腦不見得適合所有機器，因為安裝條件不同，偵測到的訊號也可能不一樣。」邊緣訓練意指，白天在工廠線上做判斷，一邊收集資料，晚上離線的時候再繼續做模型的訓練。如此一來，就能針對機器間的個別差異進行調整，達到真正的客製化。

整合MCU的系統單晶片，只要小小一顆就能進行邊緣運算和AI模型訓練。

接軌國際市場，展現研發能量

目前，張傳育借調工研院服務系統科技中心擔任副執行長，與產業多有接觸；三年前，教育部派種子教師前往歐洲學習工業4.0，張傳育與洪崇文也都是其中的成員，對智慧製造有一定的理解。雲科大強調理論與實務結合，常吸引不少廠商找上IRIS中心團隊合作。除了針對精密機械產業開發智慧夾爪；也為聯電智原集團旗下專業MCU廠 雅特力科技，設計AI模型邊緣計算開發的參考程序，提供其客戶廠商作為參考；另外，砂輪檢測系統的AI模型將利用「增量學習」應用在PCB板或其他產品檢測。

近兩年，疫情加速產業數位轉型。對於智慧製造的發展，洪崇文認為，學校整合硬體和資訊兩端，還有產品設計、文化資產保存等其他跨領域專業及人才培訓，對於AI應用的開發與落地，較業界擁有更多資源可專注在研發。

張傳育則表示，雲科大智慧辨識產業服務研究中心自2018年起獲選教育部「高教深耕計畫特色領域研究中心」，如今已邁入第五年。「我們當時有個願景，希望成為台灣第一、亞洲一流。」目前雲科大IRIS中心在台灣已頗具知名度，張傳育希望接下來能將所研發的技術從本土擴展到國際，打造具國際研發能量的研究中心。

迎接第四次工業革命，雲科大要做產業最堅實的後盾，陪伴他們再創一條新的成長曲線。

更多消息與研發成果請參閱雲科大智慧辨識產業服務研究中心　https://iris.yuntech.edu.tw/