鴻海研發非監督式學習AI演算法 FOXCONNNxVAE 降低逾半產線檢測人力

鴻海（2317）半導體事業羣AI團隊歷時八個多月的研發，從架設AOI光學檢測設備，到產線採集產品外觀影像，最終研發出非監督式學習AI演算法FOXCONN NxVAE，鴻海證實，此技術已實際導入集團部分產品外觀檢測生產線，併成功降低了50％以上的產線檢測人力。

鴻海科技集團21日宣佈，正式推出非監督式學習（Unsupervised Learning）人工智慧（AI）演算法「FOXCONN NxVAE」，運用正面表列的模型訓練方式，只以產品容易取得的正樣本進行光學檢測演算，解決產線中瑕疵樣本取得的問題，適用於良率高的成熟產品線，可增加 AI 模型的整體容錯能力，此技術已實際導入集團部分產品外觀檢測生產線，成功降低50％以上的產線檢測人力。

由於時值COVID-19疫情肆虐期間，鴻海半導體事業羣AI團隊，一度因爲無法親臨產線，改由遠端工作模式，進行影像數據處理與AI演算法的開發與調適，歷經八個月的努力，終於研發出非監督式學習AI演算法FOXCONN NxVAE。

鴻海指出，集團累積的工業數據龐大，除了持續進行品質改善之外，也讓AI得以發揮，助益產業發展。FOXCONN NxVAE已可全檢產品外觀常見的13類瑕疵，並達到零漏檢的客戶要求，降低五成以上的產線檢測人力，除了提升整體工作效率外，也代表鴻海往智慧工廠的道路又邁進了一大步。

傳統機器視覺（Computer Vision）檢測，大多以標準樣本（Golden Sample）爲基準與待測樣本進行差異比對，當產線是在客製化的環境下進行檢測時，準確度會因光源變化、待測樣本定位差或產品本身紋路不規則等不定、不同因素造成了比對失敗，產生較高的過殺率，甚至因此加設人力進行過殺樣本的二次檢測，造成人力支出浪費。