鸿海研发非监督式学习AI演算法 FOXCONNNxVAE 降低逾半产线检测人力

鸿海（2317）半导体事业群AI团队历时八个多月的研发，从架设AOI光学检测设备，到产线采集产品外观影像，最终研发出非监督式学习AI演算法FOXCONN NxVAE，鸿海证实，此技术已实际导入集团部分产品外观检测生产线，并成功降低了50％以上的产线检测人力。

鸿海科技集团21日宣布，正式推出非监督式学习（Unsupervised Learning）人工智慧（AI）演算法「FOXCONN NxVAE」，运用正面表列的模型训练方式，只以产品容易取得的正样本进行光学检测演算，解决产线中瑕疵样本取得的问题，适用于良率高的成熟产品线，可增加 AI 模型的整体容错能力，此技术已实际导入集团部分产品外观检测生产线，成功降低50％以上的产线检测人力。

由于时值COVID-19疫情肆虐期间，鸿海半导体事业群AI团队，一度因为无法亲临产线，改由远端工作模式，进行影像数据处理与AI演算法的开发与调适，历经八个月的努力，终于研发出非监督式学习AI演算法FOXCONN NxVAE。

鸿海指出，集团累积的工业数据庞大，除了持续进行品质改善之外，也让AI得以发挥，助益产业发展。FOXCONN NxVAE已可全检产品外观常见的13类瑕疵，并达到零漏检的客户要求，降低五成以上的产线检测人力，除了提升整体工作效率外，也代表鸿海往智慧工厂的道路又迈进了一大步。

传统机器视觉（Computer Vision）检测，大多以标准样本（Golden Sample）为基准与待测样本进行差异比对，当产线是在客制化的环境下进行检测时，准确度会因光源变化、待测样本定位差或产品本身纹路不规则等不定、不同因素造成了比对失败，产生较高的过杀率，甚至因此加设人力进行过杀样本的二次检测，造成人力支出浪费。