科技專案成果

工研院研發物體偵測辨識技術

隨著產品變化快、週期短、少樣多量、生產技術複雜性提高等趨勢，傳統產線使用的偵測技術易受光源、設備等因素影響，導致偵測率不如預期，而具學習進化能力的人工智慧技術不斷演進，將成為生產線檢測品質提升的關鍵。
 

傳統偵測無痛升級 準確度高達98%
 

在經濟部技術處科技專案支持下，工研院成功研發以圖像學習為基礎的物體偵測辨識技術，藉由人工智慧技術提升圖像辨識的穩定性，並賦予傳統相機智慧演算法，讓相機具備類似人類辨識物體的功能。更重要的是，可以讓工廠產線、零售商、安全監控等既有相機模組直接無痛升級，對於成本壓力特別敏感的傳統產業而言尤其關鍵。
 

以圖像學習為基礎的物體偵測辨識技術，具有抗環境干擾的優勢，卻因需要建置大量物件資料庫的高門檻，連帶降低廠商意願。研發團隊憑藉累積之影像處理與光學豐富經驗，針對客戶場域自動建置大量資料庫，偵測準確率依開發的標準流程及客戶需求最高可達98%，還可客製化高精準度辨識模組，並快速將辨識偵測技術導入產線上。
 

▲ 鋼捲切割機瑕疵偵測誤判率大幅降低，有效提升品管穩定性
 

延伸智慧零售 創造產業價值
 

以鋼鐵廠鋼捲切割機瑕疵偵測為例，研發團隊協助業者導入鋼鐵表面瑕疵資料庫與辨識技術，當鋼捲進料後，表面瑕疵偵測誤判率由78%大幅降低至6%，使得鋼材在分級技術上更為精準，提升品管穩定性，免於退貨危機。
 

物體偵測辨識技術還能進一步延伸至智慧零售，瞄準我國零售業年產值達新臺幣3.7兆元之市場大餅，未來可協助業者導入本技術於數位看板，以精準辨識消費者年齡、性別、表情等，並對正確受眾投放相對應廣告產品，可望達到精準行銷最佳效果。
 

• 出處：2018科技專案執行年報