在製造商可採用工業 4.0 原則之前，他們必須先提升工作人員的技能。

這是十分嚴峻的挑戰。一份 2018 年的 Deloitte 報告顯示，僅有 47% 的組織認為自己準備充足，能打造符合工業 4.0 要求的工作團隊。這份報告也顯示，比起於聘僱新員工，企業更偏向培訓現有員工，因此對製造商來說，尋找能將訓練需求降到最低的工業 4.0 移轉方法格外重要。

機器視覺需要特殊技能

在目前面對的問題中，機器視覺是最顯著的例子。如圖 1 所示，機器視覺牽涉到各式各樣精密的軟硬體，還需要複雜的技術，才能設定並監控這套系統。這類系統包括下列關鍵要素：

• 訓練 – 在高效能伺服器環境中，使用現有的影像資料建構物件模型與其屬性。
• 推斷 – 將經過訓練的模型部署至工廠環境內的強固系統上，使其可存取新影像（例如辨識文字或偵測缺陷）。
• 重新訓練 – 若工廠環境內的光學、照明或產品規格等條件有所改變，資料配送也可能有所變動。重新訓練程序會收集新影像，然後更新此模型。

此程序中的每個步驟都涉及專業知識。舉例來說，開發人員可能知道如何訓練模型，但並不瞭解工廠環境的變化。相對來說，作業人員可能很瞭解製造過程的缺陷與其原因，但缺少程式設計方面的技能。

機器視覺的簡化之道

為了解決這樣的技能斷層，Advantech 等企業正在打造端對端解決方案（圖 1），促進程式設計師與作業人員之間的專業交流。我們最近曾就此方法，與機器視覺資深經理 Neil Chen 和機器視覺產品經理 Alex Liang 進行討論。

Chen 表示：「我們瞭解透過簡化，使用者可以更輕鬆地遵循程序，因此，我們設計出 EzBuilder 訓練軟體，搭配其圖像式使用者介面，就算人員沒有程式設計方面的技能，也可在整個深度學習程序中快速建置與部署機器視覺應用，以建立模型、處理標籤，或輸入產品。」圖 2 說明非程式設計人員可如何運用此簡單直接的工具。

企業如何簡化深度學習程序的另一個面向，是在解決方案中整合採用智慧型 Intel^® FPGA 技術的攝影機，以及 Intel^® Distribution of OpenVINO^™ toolkit。

Laing 說道：「OpenVINO 的優點，是當程式編寫完成後，根據工作負載，可在不同的 Intel^® 硬體上運行。舉例來說，同一個深度學習模型可在不同的 Intel CPU 上運行，例如 Intel^® Xeon^®、Intel Atom^® 及 Intel^® Core^™ 處理器，以及使用相同軟體上層的 Intel^® Deep Learning Inference Accelerator。只要改變一行命令列，程式就能設定給不同的目標使用。」

真實世界中的機器視覺

如圖 3 所示，為了讓工具與機器可正確快速地處理例行生產作業，這需要開發具備下列能力的機器視覺系統：

• 可靠識別程序鏈中的多種物件
• 提高效率，同時降低工作流程的複雜度
• 自動化並加速製程

光學文字辨識 (OCR) 可正確快速地辨識及讀取標籤、材料、零件及成品上的字母與數字。為了在整個製造與配送程序中確保可追溯性，這是不可或缺的功能。

根據 Chen 的說法，這套系統必須克服 OCR 的相關挑戰，包括不同字型、語言、字體大小與色彩，以及生產線的干擾等。Chen 說：「以深度學習為基礎的 OCR，可透過影像標籤、訓練、推斷等能力，提供化解 OCR 挑戰的新方法，亦可簡化程序並提高廠區的可靠性。重新訓練程序讓 OCR 系統更加準確、更具調變能力。」

缺陷偵測是機器視覺可強化的另一項作業項目。Laing 說道：「考慮到品質保證程序中功能的不可預測特性，機器視覺系統必須夠敏銳，才能準確檢測出缺陷所在。」Chen 補充：「而且如果系統的精密程度不足，自動光學檢查 (AOI) 系統便可能會漏抓缺陷，或是將完好的零件或產品標記為瑕疵品。我們稱這些情況為漏判 (Underkill) 和誤判 (Overkill)。」

Advantech 解決方案中的深度學習技術可改善 AOI 系統，透過訓練、推斷、重新訓練進行微調，以正確標記具有各式缺陷的瑕疵物件，同時避免出錯。

Chen 與 Laing 皆評論機器視覺可如何改善工件定位與引導的效能。Laing 表示：「高速生產線、驗證、機器人引導的取放，以及其他作業中，皆需要具有機器視覺能力的定位工具、位置判斷裝置，以及模式尋找裝置。」Chen 說：「這是不可或缺的功能，如此才能精準辨識與判斷零件的確切位置與方向。這可轉而用於工具定位，以執行檢查或其他工作。這些資料也可輸入至處理裝置中。」

達到工業 4.0 必須先達成共識

為了獲得更高的生產力與效率，同時降低成本，製造商面對著將現有設施轉移至工業 4.0 的壓力。為了實現這個目標，並讓整個企業上下協調一致，關鍵就是讓 IT、OT 與其他利益關係者瞭解各方所需要克服的挑戰。

對於負責評估機器視覺技術的人員，建議尋求不需要大規模重新訓練或招募員工的解決方案。當然，企業也要找到能提供速度與可靠度，同時能創造 ROI 的解決方案。對希望投資能滿足未來需求的製造商來說，能提供最大彈性與功能的解決方案則是比較明智的選擇。