AI视觉应用对质量的改善，短期内AI与机器视觉并存

质量改善是企业生产流程重要指标之一，近期AI视觉应用对质量改善带来很大的助益，然DIGITIMES Research观察，从硬件层面与AI视觉面探讨，部分企业仍无法顺利评估导入，因素一是许多公司内部缺少相关专业人才进行评估及导入工作，需借助人工智能开发商及硬件厂商协助；二是专业领域知识在于企业本身，供应商难以取得这些专业知识下，易生盲点，恐难研拟出改善质量的最佳方案。

观察目前机器视觉与AI视觉主要架构组成，光源以考量成本、寿命、客制化程度的LED灯为主流，相机以考量高质量取像的CCD模块为主，传输界面以考量布线成本低的以太网络为大宗。

其中，相机位置依场域特性分三类，一为眼在手（eye in hand），适用于电子组装业；二为眼到手（eye to hand），适用于物流产业；三为眼看手（upward looking），适用于面板产业；相机位置选择合适与否影响整体生产稼动及识别正确率。

机器视觉与AI视觉的差异在于运算软硬件、参数控制、质量统计等面向，方案选择与预算规划、预期目标、演算模型、部署工具互有相关，若缺乏完整配置评估恐影响AI演算结果，而无法达成预期目标。

DIGITIMES Research认为，目前制造流程导入AI视觉虽为业界积极投入的热门议题，但并非所有应用都有导入AI视觉的必要。尽管AI视觉在质量检验上优点多于机器视觉，但相对需投入的资金与建构时间较机器视觉多，因此中短期而言，AI与机器视觉会同时并存于制造流程，使用者依自身需求选择最适方案，然长期而论，导入AI视觉的成本将逐年递减，或有利加速制造业转移。
编辑：lyn