账号:
密码:
CTIMES / 文章 /   
打造AI视觉检测平台 GPU选择须兼顾5大重点
 

【作者: 王明德】2019年03月08日 星期五

浏览人次:【1669】
  

近几年工业4.0带起智慧制造浪潮,与过去侧重硬体效能的制造系统相比,新世代智慧制造更重视软硬整合,透过软硬体平台,机器视觉现已可整合机械手臂、工业相机与自动光学检查(Automated Optical Inspection; AOI)演算法,提供制造业者快速导入、简易上手的产线视觉检测解决方案。


笪捷科技总经理陈青凫表示,制造系统须具备高度专业,机械工程师的培养难度相当高,因此高专业且操作介面精简的软体平台,将有助於制造业者提升工作效率,并缩短人才的培育时间。



图1 : 笪捷科技总经理陈青凫(左)与先进技术经理廖伯霖均表示,产线检测则是辨识率须达 99% 以上、影像资料少,但辨识物背景单纯,因此AI 需要特别设计。(摄影/王明德)
图1 : 笪捷科技总经理陈青凫(左)与先进技术经理廖伯霖均表示,产线检测则是辨识率须达 99% 以上、影像资料少,但辨识物背景单纯,因此AI 需要特别设计。(摄影/王明德)

陈青凫以该公司的SmaSEQ软体平台为例,SmaSEQ笪捷科技成立时推出第1版,现已推出第 2 版,新版本重整了平台底层,并透过人工智慧 (AI) 降低操作门槛,陈青凫进一步表示,影像辨识仍是目前AI的最主要应用,尤其是在产线的瑕疵检测,AI的快速辨识与自我学习功能,可让建置效益快速浮现,进而强化客户的导入意愿,目前市场的导入已经加速,未来发展潜力相当惊人。


工业环境大不同 GPU需求特殊

陈青凫指出,检测是产线维持品质的主要环节,过去多以人力检视产品外观有无瑕疵,然而人眼检视除了会因工作时间的拉长导致品质下降外,越来越快的生产速度与部分小体积产品,人眼也难以负荷,因此後来AOI开始被应用在制造现场,透过高解析工业相机与高效能影像软体,强化制程的检测效率。


在制程中,尽管AOI检测需要繁复设定,但过去大量生产的制造模式,只需要在导入前设定一次,对制造业者来说并不算沉重的负担,不过近年来消费市场型态改变,多样化生产需求开始浮现,产线弹性化需求大增,可快速设定并有自我学习能力的 AI 逐渐被应用在产线视觉检测,这也是AI视觉检测平台在这几年成长快速的原因。


不过要将AI应用到生产视觉检测有其挑战,AI演算法是Open Source,要拿到可套用的模型并不难,而且辨识率可达 95%,在一般消费性产品中已然足够,不过在工厂并不适用。


笪捷科技先进技术经理廖伯霖表示,消费性产品如手机的Face ID或门禁的人脸、行为识别,其特色是辨识率要求不高、影像资料庞大且辨识物背景复杂,而产线检测则是辨识率须达 99% 以上、影像资料少,但辨识物背景单纯,因此 AI 需要特别设计。


除了需要特别设计外,成本是另一个考量,AI 演算法目前最隹的硬体处理器是 GPU,而现在市场上的GPU又以NVIDIA产品为主要选择,廖伯霖表示,之前笪捷科技的GPU是使用 NVIDIA GeForce系列产品做为检测之用。不过目前的工业电脑一部只能安装一张 GPU,由於外观检测需要检测物体的 6 面,需要有 6 部工业相机,而每部工业相机都需要一张 GPU 进行运算,因此过去需要有 6 部电脑的同时运作,设备成本相当高,这也是目前多数AI视觉检测的主要困扰。


另外由於AI成长快速,市场对GeForce的需求大增,而GeForce则主要作为消费性产品所用,其产品的供货期较短,而工业设备的使用年限都较长,一旦供应商断货,设备有可能因故障导致停摆,造成损失。


工规特色GPU满足所需

为了解决成本与供货问题,包括笪捷科技在内的多数视觉检测方案厂商,都不断寻找市面上符合工规标准的 GPU,对此笪捷科技则采用了NVIDIA Jetson TX2 与 Jetson AGX Xavier,主要考量在於此款 GPU 可以外接型态运作,因此笪捷科技的平台则可以在一部工业电脑上外接 6 张 GPU,其效能与过去的 6 部电脑一致,不但大幅降低了设备的购置成本,也有效缩减产线空间并提升设备维修效率。


图2 : AOI透过高解析工业相机与高效能影像软体,强化制程的检测效率。(Source:Texas Instruments)
图2 : AOI透过高解析工业相机与高效能影像软体,强化制程的检测效率。(Source:Texas Instruments)

至於效率方面更是大幅增加,陈青凫指出,因应AI设计导入GPU後,过去需要数天的前端AI训练(Training),导入後仅需2小时,效益提升了30倍,而实际上线後,也将原来1秒多的运算时间缩短到5毫秒。


另外,由於工厂环境严苛且设备都需要长时间运作,因此其稳定性、宽温都有高度要求,因此陈青凫建议必须采用可满足这些要求,且有长供期保证与完善售後服务机制,以解决产品後续的维修问题。


强化竞争力 将是未来设备主要选择


图3 : 对於AI视觉检测系统的GPU选择条件,陈青凫认为效能、稳定、成本、弹性是4大重点。(Source:Cognex)
图3 : 对於AI视觉检测系统的GPU选择条件,陈青凫认为效能、稳定、成本、弹性是4大重点。(Source:Cognex)

对於AI视觉检测系统的GPU选择条件,陈青凫认为效能、稳定、成本、弹性是4大重点,另外也须视本身系统设计,选择合适产品,像是NVIDIA Jetson TX2与Jetson AGX Xavier的外接特色就解决了笪捷科技SmaSEQ软体平台需求,陈青凫表示,制程检测的AI智慧影像辨识平台,对GPU效能有一定程度的效能需求,他以笪捷科技所选用的GPU,就非常适用於产线视觉检测等有边缘运算需求的平台,另外厂商也必须注意是否有长期的供货保证与工业规格,才能让设备供应商和导入企业无後顾之??。


此外在成本考量与制程弹性方面,笪捷科技是看到其可外接特色,让一部工业电脑可外接6张以上的GPU,藉此省去购置重复设备的成本,也让产线弹性更隹,这些特色都能强化设备供应商的竞争优势。


对於未来趋势,陈青凫认为AI 已是新世代制造系统的既定趋势,除了「用 AI」之外,「做 AI」也是庞大商机,而要针对特定应用领域设计AI平台,除了系统本身软体外,硬体元件也是重点,尤其是工业领域所用的系统,近年来侧重边际运算架构,因此GPU成为系统效能的指标,而GPU的选择不仅必须考量效能,系统的稳定性、弹性、延伸性与成本也都是必要因素,在系统设计初期这些因素就必须被同步纳入,方能打造出最适於产线的视觉检测平台。


相关文章
航太智慧制造有成 盼串起AI价值链
人工神经网路打开AI应用新局
处於边缘的工业机器视觉应用开发选项
政府标案只重价格 安控系统不过是纸老虎
从云端大厂AI布局看台湾云端产业机会与挑战
comments powered by Disqus
相关讨论
  相关新闻
» 美国AUTOMATE SHOW 2019落幕 宾通智慧科技亲自与会获奖
» 2019台湾智造日史无前例七家大厂共同叁与、提出整合观点掌握致胜关键
» 国研院与NVIDIA签署合作意向书 合作自驾车技术
» 达梭系统解决方案帮助欧洲之星规划资源和维护管理
» 区块链科技导入行车保险业应用 引领车联网服务变革
  相关产品
» 明纬扩充EPP-500系列
» KNX用於现代建筑 可降低事後维护与火灾风险
» 安森美半导体与NVIDIA合作开展基於云端的自动驾驶汽车仿真
» TYAN於GTC 2019展出采用NVIDIA T4加速器的新款优化AI推论GPU平台
» NVIDIA、微软、Epic Games、Unity及各大游戏开发商於GDC 2019启动次世代游戏

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2019 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw