AI纠察队 揪PCB瑕疵影像快狠准
「瑕疵影像分类技术」兼具决策弹性与运算效能，瑕疵分类正确率可达99.95%以上，可协助目检员减少57%的检测筛检量，解决现行生产线需大量人力复检、效率低落的问题。（工研院提供／李侑珊台北传真）
台湾印刷电路板（PCB）产业在全球市占率位居第一，在台湾制造业占了相当重要的地位。对业者来说，良率不高不仅会增加不必要的成本，更会损害企业信誉，为了进行严格的品质管理，业者普遍应用自动光学检测（AOI）设备进行瑕疵检测。
这项设备有「宁可错杀百人，不可放过一人」的特性，生产线仰赖大量人力做第二道把关，检测效率低落。面对PCB产业的难题，工研院团队研发一系列的AI技术，大幅提升检测效率。
工研院向业者取得130万张PCB瑕疵影像，运用人工智慧，以深度学习网路架构进行AI模型的训练，发展「瑕疵影像分类技术」的AI技术，让机器视觉拥有学习能力，遇到相似的产品或有瑕疵时，可以自主判断，瑕疵分类正确率达99.95%以上，协助产线检测员减少57%的检测筛检量。
PCB业者要求，每片PCB的检测速度必须小于20毫秒。因此工研院团队想出「众智式演算法」，类似AI评审团的概念，让瑕疵检测快、狠、准。
工研院「瑕疵影像分类技术」有效解决传统光学检测设备误判率太高、需要大量人工复检的问题，也让业者减少退货及人力、能源等资源消耗，更让产线由抽检转变成全检，大幅提升PCB良率。同时结合了「智慧化资料标记解决方案」，持续强化资料标记品质，降低训练所需资料标记量至少一半，大大降低了AI导入产线应用的门槛。