AI 影像辨识助力工业4.0转型，都有哪些颠覆性改变呢？

（图来源：Shutterstock）

全球制造业吹起一股工业4.0 的转型风潮，制造商在生产设备装上各类感测器，搜集产品与设备运作的状况，同时透过工业物联网串联各个设备的资讯。数据经过处理和分析后不但能运用于工厂管理，亦能有效提升生产良率。

由此看来，自动化或资讯化是工厂数位转型的重要基础，也就是说，对于人工作业比重较高的工厂来说，如果要实现工业4.0 转型目标，势必得从改造产线做起，引进机械自动化设备取代人力，才有办法搜集生产线上的资料。

然而，改造产线谈何容易，企业不只要投资大量时间、金钱与人力，还有可能影响既定生产排程，由于改造产线困难较大，推出人体骨干分析技术，协助制造业者解决这个难题，透过摄影机搜集产线员工的作业行为，再进行AI 运算分析，确认员工作业流程是否符合标准，提高产品良率，让制造业者不必大规模改造产线，也能提高生产品质，持续往工业4.0 转型之路迈进。

一、AI怎么实现运算分析

1. 数据收集和处理

数据收集的过程是，在安装拍照摄像设备之后，从动态的场景与复杂的背景中判断是否存在识别的对象，并分离出对象。采集到照片。因此测试需要从至少这两方面来考虑。

a) 采集的素材
图片的像素、大小、清晰度、色彩、复杂度、噪声等，会直接影响到计算机识别的结果。

举个例子来说，下方的三个图，对于肉眼和计算机学习去区分的难度是明显不一样的。识别的难度A一定小于B和C。

图A

图B

图C

b) 采集的器材
图片一般是用摄像头拍摄获得的，那么不同品牌和参数的摄像头，拍摄出来的照片像素、清晰度、色彩，甚至是层次都会有差异。

2. 数据理解和特征提取

数据理解的目的在于，获取到原始数据之后，分析数据的有效性，并且将数据里有用的， 并且将有典型特征的抽取出来。比如我们拍摄的各种照片，需要从中识别出是包含一朵花的，还是包含一个人的，是一辆自行车还是一辆小汽车。这个唯一的解决方案是，让机器拿到足够多的样本进行训练，训练的越多，模型将越准确。

二、AI 充当员工的聪明助手，找出真正有问题的产品

目前日本第二大钢铁厂JFE 利用一个解决方案来确认员工是否确实遵守SOP，进行产线升级。

当工厂在产线上安装摄影机，经由人体骨干分析技术，分析作业员在制程的行为上是否有按照SOP 进行，并透过AI 即时侦错，提醒工厂领班产线上因人为疏失而导致良率下降的问题，并解决目前只能事后抽验，但却不一定能检查出瑕疵品的困扰。

在制程的每一阶段，作业员都需要站立或蹲在不同的区域，如果产线员工遗漏或不遵守SOP 要求， 摄影机就会告诉中控系统，再由系统通知领班，避免让此产品进入下一阶段。

对于钢材的生产，最重视产品品质，假如作业员没有确实遵守标准作业流程（SOP），就有可能影响产品良率甚至产线上的工作安全，而钢材的应用通常都与大型建设或及交通设施有关，若品质不良，后果十分严重。

通过影像分析技术，可以真正拦截到品质有瑕疵的产品，节省事后大动作召回或维修的成本。

三、从人脸辨识走向行为分析，AI 用“看”找出潜藏工安危机

人体骨干影像分析技术，除了可以识别人体行为姿势外，也能做到工厂人员的侦测。

举例来说，结合骨干分析的智慧摄影机，能有效在作业员过于接近大型机具和执行危险行为时，即时通报系统并警示操作人员，让现在人员能在危险发生前，提早做好危机处理，有效降低工作环境的出事机率。不只工厂的工安管理，在工厂的管理面上，也可以透过结合骨干分析技术来优化管理流程，例如人体骨干影像分析技术可以作为员工上产线出勤的依据，只要透过镜头中的辨识技术，就可以轻松做到产线上人员之控管，节省多余人力配置。

其实，除了制造业以外，包括公共运输、零售等各个产业，都能以人体骨干分析技术为核心，根据使用者的需求去定义行为模型，透过AI 影像辨识的帮助下，有效的解决企业营运难题推出更具创新的服务，进而跟上全球这股智慧转型的浪潮。

本文由电子发烧友综合报道，内容参考自CSDN、科技新报，转载请注明以上来源。