[AI新知] 吴恩达创立的Landing.AI发表摄影机即时追踪作业员行为就能检测产线组装正确性
[AI新知] 吴恩达创立的Landing.AI发表摄影机即时追踪作业员行为就能检测产线组装正确性
导读
Landing.AI提供的解决方案大多是用影像辨识模型来侦测瑕疵或分类，是因为这类应用的部署成本较低，较能让企业快速导入。
由Google Brain创办人吴恩达成立的新创公司Landing.AI，最近来台拓展市场，其副总裁王冬岩在台发布了在智慧制造缺陷检测（Defect Detection）的新解决方案，直接透过摄影机分析产线上操作员的行为，来判断产品组装的错误率。
虽然Landing.AI是新创企业，但已经有许多企业导入其服务，包括鸿海也找上门合作。其提供的服务主要分为AI Solution解决方案、AI加速平台（AI Acceleration Platform）、以及AI转型平台（AI Transformation Platform），企业可以依照需求来选择合适的服务采用。
如AI解决方案，提供企业在五种常见制造场景中运用的缺陷检测技术，包括管线中气液体的泄漏、微小颗粒的追踪和侦测、表面工艺的瑕疵侦测、透过辨认几何图形来侦错、以及不同微小零组件的分类。不同技术又适用于不同场景，例如微小颗粒常见于药厂辨识药物是否掺入杂质，而运用几何图形能查找组装作业中错置的零件等。
除此之外，王冬岩也在台发布缺陷检测的新解决方案「人类行为训练（Human Performance Coaching）」，可以用摄影机即时撷取生产线上作业员的行为，来判断组装过程中的行为是否正确，也能进一步得知每个作业员在各工序花费的时间、以及与前10%表现者平均效率的差距。
另推出多项辅助AI训练工具，可靠GAN自动产生缺陷影像弥补不足资料
Landing.AI的还提供了提高缺陷检测模型侦错率的辅助工具，例如Smart Data技术，可利用生成对抗网路（GAN）搭配随机扩充资料量的工具，王冬岩表示，可利用不到10张瑕疵影像，萃取其特征值来生成大量仿制的资料，并以此来训练缺陷侦测模型。他解释，许多企业缺乏训练用的瑕疵影像资料，例如某个显示器制造大厂，蒐集了300万张影像资料要建立瑕疵侦错模型，但细问之下，其中瑕疵影像比例不到10%，又必须根据上百种瑕疵进行分类，最后才发现每一种特定瑕疵的影像数量都不多，不够训练模型。
此外，AI加速平台也提供了一个Live Defect框架来供企业更有效地定义资料缺陷。除了使用者可以标记旧有资料之外，也能随着新缺陷的产生来增加标记资料，进而不断优化模型。
王冬岩表示，模型表现不好很常是因为缺陷的标记不精确，例如质检员在标记影像时，时常遇到每个人针对同一张影像没有共识的情形，就表示影像不能明确反映实物情形；此外，标记的工作量大，试想一个工厂生产几百种零件，每一个零件每一面的每个缺陷都要标记，若没有工具辅助标记，很难有效率的分类执行。「客观基于事实来定义缺陷，是整个流程最重要的事。」
吴恩达提出AI导入5大步骤，第一步是小专案实测，而不急着先定AI战略
除了工具，Landing.AI也提供导入顾问服务，称为AI转型平台，一次为期18-24个月。吴恩达根据自身的经验，将企业导入AI的过程分为5个步骤，推出这项服务。
王冬岩进一步说明，首先，是选定小的专案来执行，确保可以6-9个月见效，以建立企业应用AI的信心；第二，则是透过各种管道辅助企业招揽AI人才、建立团队；第三，是提供公司高层与职员相关课程来学习，培养新的思维与观念；第四，则是拟定企业的AI战略，王冬岩指出，很多人误认为拟定战略应该是第一步，其实，企业刚接触AI时，还没做好准备，就算这时拟定战略，未来也会不断修正。最后，订定长期战略后，才是从内而外的导入和执行AI，目标是希望能改变整个市场对企业的定位与观感。