專題演講
國際會議廳 09:40 – 10:20
工業4.0金屬加工線上檢測技術與設備 工研院量測中心 / 莊柏年副主任
金屬加工是台灣精密機械領域最大產業,其多年經營累積之傳統加工技術與產能尚能保持一定水準的全球競爭力,唯近年隨著國際客戶逐漸導入工業4.0營運模式,促使台灣金屬加工業亟需提升高精密快速生產及輸出整廠整線系統之技術能力,方得以實現工業4.0金屬加工智慧製造技術,滿足國際客戶市場需求。欲達成快速生產與100%線上全檢的智能化生產目標,最大關鍵在於生產線須具備高精度與高可靠度的線上檢測技術與設備。工業4.0金屬加工線上檢測技術與設備,整合了光學/機械/電子/化學/通訊/聲音及人機安全介面等技術,且融合高階軟體與控制,是高值化精密量測與儀器設備之新興產業。本次AOIEA論壇特邀請量測中心 莊柏年副主任分享量測中心AOI技術團隊近年發展高階線上檢測技術與設備,協助台灣金屬加工業者完成工業4.0CPS智能化生產線,並順利投產及海外輸出之經驗,期拋磚引玉,共創台灣AOI產業發展高峰。
AOI創新獎第二名得主發表
國際會議廳 10:40 – 11:10
弦波相位調制光柵干涉儀之位移量測系統開發 中央大學機械系
本論文提出一種新式的位移量測技術並結合軟體解相技術開發出一套精密位移量測系統-弦波相位調制光柵干涉儀。本論文使用弦波相位調制的技術將頻差引入相位內形成外差光源,再以光柵繞射後的正一階光與部分被光柵反射形成繞射的零階反射光經反射鏡再次反射經過光柵繞射的負一階光干涉,當反射鏡移動時,位移訊號會存在於干涉訊號中,而後以自行開發的軟體鎖相放大技術解出位移訊號。由於傳統的外差干涉儀需使用到大量的偏振元件,但偏振元件因製程上的缺陷容易引入量測上的非線性誤差,另外在解相作業需使用類比電路鎖相放大器,該儀器體積大且成本高,而弦波相位調制光柵干涉儀以非常簡單的架構即可達到高解析度的位移量測,只需要使用雷射、一個架設於位移平台的光柵、反射鏡與光檢測器即可量測位移,解相的部分以軟體解相技術取代了傳統的電路鎖相放大器,可大幅降低量測系統成本與縮小量測系統的體積。本論文所提出的弦波相位調制光柵干涉儀的量測解析度約為2 nm,靈敏度為1.14°/nm,量測速度為2.85 m/s。
AOI創新獎第三名得主發表
第四會議室 10:40 – 11:10
透過量測手掌靜脈的血氧波動頻率來估計人體血壓 儀科中心
本文提出了一種用於評估人體血壓的非接觸式測量方法。藉由一反射式的光學成像系統,以雙光源照明的方式來施行交互拍攝,進而捕獲人類手掌血管的多層圖像。而後,再透過連續測量,有效地監測手掌數字靜脈中血氧飽和度隨時間的變化。接著,通過FFT演算法尋找頻率峰值,以獲得血氧飽和度的波動頻率。最後,通過與電子血壓計的校正比對,成功地建立了人與自然血壓與靜脈波動頻率之間的關係。本研究完整描述了血管壓力對波動頻率的影響,研究結果表示,血氧飽和度波動頻率隨著天然血壓或外界壓力的降低而線性增加。此研究成果對於低感染風險和高生物相容性的遠程醫療診斷技術是一嶄新的解決方案。
專題演講
國際會議廳 11:20 – 12:00
Augmented Intelligence by Advancing Deep Neural Networks 台大資工系 / 徐宏民教授
徐宏民教授專攻大規模影像視訊搜尋與探勘、視覺辨識、機器學習等領域。其研究團隊曾於2013年擊敗全球團隊,拿下微軟舉辦的影像辨識大賽首獎。過去幾年,包含微軟、IBM、聯發科、光寶科等企業,都曾採用徐教授研究團隊的新技術導入為智能產品。NVIDIA更於去年9月宣布,由徐宏民教授擔任計畫負責人,和台大合作成立人工智慧實驗室(NVIDIA AI Lab)。本次徐教授以過去幾年協助產業界以及參與AI新創公司的經驗,分享企業如何啟動開發智能影像應用、累積技術核心、建立深度學習團隊,以及可能遇到的挑戰及解決方式。
新知/新品發表
國際會議廳 13:00 – 13:20 本場發表內容展示於 展09
未定 睿怡科技
第一會議室 13:00 – 13:20 本場發表內容展示於 展02
WDI自動對焦應用及介紹 臺映科學
第四會議室 13:00 – 13:20 本場發表內容展示於 展14
可人機協同作業的智能相機 碁仕科技
國際會議廳 13:25 – 14:10 本場為新知發表會
嵌入式視覺-發掘市場新機遇 BASLER
嵌入式視覺是「電腦視覺」的一個子領域,其目標不只是要讓系統具備視覺能力,更要讓系統能夠處理捕捉到的影像。與工業界目前典型的「機器視覺」影像處理系統相比,新的嵌入式視覺系統不但體積更小、更便宜,還能同時滿足高規格的影像品質與性質需求。在往後的數年內,可預期市場中會出現越來越多的嵌入式視覺方案,定點式的視覺技術應用也將逐漸具備機動性與攜帶性。現存的視覺系統將在嵌入式視覺的輔助之下變得更加便宜,而善用相機技術的新興應用領域也將相應而生。
第一會議室 13:25 – 13:45 本場發表內容展示於 展06
TELEDYNE DALSA偏振線掃描相機 泰洛科技
TELEDYNE DALSA 偏振線掃描相機,可提供多個偏振數據,能夠在不同檢測物件的條件(雙折射、壓力、表面粗糙度、膜厚度...)下,容易完成高速成像檢測。
第四會議廳 13:25 – 13:45 本場發表內容展示於 展16
Generative CAD 今明視覺
Coming along with the next wave of Industrial Automation, Generative Computer-Aided Design (CAD) has seen its influence in various engineering and design fields. Taking advantage of advanced manufacturing machines, novel computational methods for intelligent fabrication have demonstrated impact in the frontier of science and technology. In this talk, we show several rapid production modalities that are highly automatic and versatile. We give projection the new methods in heavy industries such as building construction.
第一會議廳 13:50 – 14:10 本場發表內容展示於 展10
即時多(高)光譜在農業、食品、生醫及工業檢測的應用 五鈴光學
Leveraging imec’s background in semiconductor fab, equipment and process technology, imec designs and manufactures interference based optical filters at wafer level, deposited and patterned directly on top of image sensor pixels. This unique CMOS based infrastructure provides very compact, clean and high yield optical filter integration with scalability to high-volume and low cost.
專題演講-人工智慧
國際會議廳14:20 – 14:50
影像處理的機器智能發展趨勢 交大資訊學院 / 莊仁輝院長
近年人工智慧特別是深度學習技術取得了革命性的進展,公認將是繼動力(1.0),電力(2.0),資訊(3.0)後,第四波的工業革命稱智力(4.0)。被譽為「工業之眼」的機器視覺已成為人工智慧最主要的應用領域之一。因此以機器視覺為主要技術的自動光學檢測產業在此波浪潮中,可望迎來前所未有的技術大躍進。本次演講邀請交大資訊學院 莊仁輝院長,以宏觀角度分享影像處理的機器智能發展趨勢,探討當機器智能串聯影像分析時,將為AOI與相關產業帶來哪些新應用價值。
國際會議廳15:00 – 15:30
更適應性的AOI-深度強化學習之應用 清大電機系 / 孫 民助理教授
深度強化學習(Deep Reinforcement Learning; DRL)有別於Deep learning的辨識與分類目的,DRL具備了互動的反饋機制。導入DRL,可以協助AOI系統更適應性的在不同環境中使用。孫民助理教授專攻電腦視覺、機器學習、以及人機互動領域,近年來基於深度學習在電腦視覺的突破,他致力於開發橫跨人工智慧不同子領域的系統。孫教授現有研究方向如360駕駛、遊戲決策,Reinforcement Learning(RL)架構,代理人(Agent)必須要在不同環境(environment)下,會有不同的狀態、行動、獎勵 (互動)等現象。本次演講孫助理教授將分享「更適應性的AOI-深度強化學習之應用」
國際會議廳15:40 – 16:10
物件偵測與辨識技術 中研院 / 陳祝嵩博士
AOI目前多應用於工業領域,檢測時需要使用待測誤定位技術。如何正確偵測物件位置,或有遮蔽物件的偵測與辨識,這是AOI產業努力的目標。陳祝嵩博士為中研院研究員,主要研究方向包括了深度學習、圖形識別、電腦視覺、影像處理等。本次演講陳祝嵩博士將以「物件偵測與辨識技術」為題,分享AI習知不同的物件偵測技術、優缺點與應用方向(如重疊的加工件、農業選果、生物/建築物/瑕疵檢測等)。
國際會議廳16:20 – 16:50
深度學習在AOI的應用 NVIDIA / 劉冠良博士
深度學習是人工智慧中成長最為快速的領域,可協助電腦理解影像、聲音和文字等資料。透過多層級的神經網路,電腦可以和人類一樣針對複雜的情況進行觀察、學習和反應,甚至表現得更好。NVIDIA 在加速深度學習的領域上一直處於先驅地位,並且已開發各種深度學習軟體、函式庫和工具多年。NVIDIA劉冠良博士將分享如何透過GPU以及深度學習演算法、提升現有自動光學檢測成功率。
專題演講-智慧製造
第一會議室14:20 – 14:50
運用全自動虛擬量測與先進製造物聯雲之工業4.1 成大製造 / 鄭芳田教授
目前世界各國與工業4.0相關之技術,僅能將「接近零缺陷(nearly Zero Defects)」當做願景,但並無法做到真正零缺陷之境界;其關鍵原因是缺乏具經濟實惠特性的線上即時全檢技術。如能導入全自動虛擬量測,再配合先進製造物聯雲,就可達成全檢之標的,進而實現產品零缺陷之境界-「工業4.1」。鄭教授致力於生產製程改善與製造領域自動化和E化的學術研究及產業應用之成果豐碩。其研究團隊在「虛擬量測」領域的學術論文、海內外專利、與在工廠上的實際應用等,更是獨步全球。本次演講 鄭教授將分享「運用全自動虛擬量測與先進製造物聯雲之工業4.1」。
第一會議室15:00 – 15:30
AVM虛擬量測需求與應用趨勢 先知科技 / 高季安總經理
先知科技為國立成功大學衍生公司,並技轉成大鄭芳田教授之「全自動虛擬量測(Automatic Virtual Metrology, AVM)」技術。「全自動虛擬量測(以下簡稱AVM)」技術可應用於各種需要大規模量產的產業。導入AVM技術之後,廠商可在產品尚未或無法進行實際量測之情況下,利用生產機台參數推估其所生產之產品品質。以進行線上且即時之產品品質預測及機台效能監控,進而實現產品全檢之目標。目前先知科技之技術廣泛應用於半導體製造、面板、LED、太陽能、工具機與製程機台等相關產業。先知科技 高季安總經理將分享推廣AVM等智慧方案時,對各產業在此方面需求與應用趨勢之觀察。
第一會議室15:40 – 16:10
中國機器視覺市場現況與需求 海康機器人 / 謝亞鋒亞太區域經理
中國機器視覺產業起步晚,但發展速度快,已成為繼美國和日本之後的全球第三大機器視覺市場。隨著各產業自動化、智慧化程度的加深,未來五年中國機器視覺市場將繼續增長,預計2018年將達到200億人民幣左右。海康機器人技術公司為全球安防視頻監控龍頭-海康威視旗下公司。公司技術團隊由影像處理、模式識別和機器學習演算法方面的專家組成,依託海康威視在視音訊、影像採集與核心演算法等領域技術積累,主要開拓機器視覺、移動機器人、無人機等三大業務。海康機機器人 謝亞鋒亞太區域經理將從中國機器視覺規模、市場競爭格局、銷售通路等面向,來談「中國機器視覺市場現況與需求」。
專題演講-軟電檢測
第四會議室14:20 – 14:50
AMOLED軟板驗證平台AOI檢測合作 工研院顯示中心 / 莊坤霖經理
為提升台灣AOI廠商之國際競爭力,創造設備開發者與使用者之交流機會。工研院顯示中心擬將軟性AMOLED驗證平台所製之軟性顯示面板半成品與成品樣品,提供台灣AOI廠商進行機台開發及α-site測試,尤其當下開發之新興技術更希望能與台灣AOI廠商合作,以協助搶佔市場先機。本場演講將分享顯示中心如何提供AMOLED軟板驗證平台AOI檢測合作(本場演講將搭配全日軟板展示與一對一洽談會活動,其中洽談會限額4場,歡迎踴躍報名[報名連結])。
第四會議室15:00 – 15:30
AMOLED產業概況及製程與檢測設備發展趨勢 工研院IEK / 邱琬雯研究員
新一代行動裝置應用市場及虛擬實境新應用市場對新型高階顯示器之需求,帶動AMOLED產業之投資及其設備市場之需求成長。AMOLED之高對比、高反應速率及廣視角、低耗電等優異特性,確實令市場期待。同時在產能提升、成本競爭壓力及軟性面板趨勢下,大面積量產技術、軟性面板之封裝、取下等新製程技術將為製程及檢測設備市場帶來新的成長動能。本次演講IEK 邱婉雯研究員將針對「AMOLED產業概況及製程與檢測設備發展趨勢」進行精闢剖析。
第四會議室15:40 – 16:10
連續製程之透明基板檢測技術發展 工研院量測中心 / 周森益經理
進行OLED的製程優化調整,必須在調整後進行in-situ檢測,確保調整效果與擬定最佳的調整策略。由於多層結構的透明基板,上下層particle的訊號會互相干擾造成誤判,影響優化效果及製程調整策略。為了逐層檢測出瑕疵與Particle,工研院量測中心研究團隊設計結合亮場與暗場的粒子計數及瑕疵檢測技術。同時開發特徵層級的模糊對位技術,克服Roll to Roll系統振動所造成的影響。此技術可分別偵測出位於不同膜層大於0.3μm的particle個數。
|