質量改善是企業生產流程重要指標之一，近期AI視覺應用對質量改善帶來很大的助益，然DIGITIMES Research觀察，從硬件層面與AI視覺面探討，部分企業仍無法順利評估導入，因素一是許多公司內部缺少相關專業人才進行評估及導入工作，需借助人工智能開發商及硬件廠商協助；二是專業領域知識在于企業本身，供應商難以取得這些專業知識下，易生盲點，恐難研擬出改善質量的最佳方案。

觀察目前機器視覺與AI視覺主要架構組成，光源以考量成本、壽命、客制化程度的LED燈為主流，相機以考量高質量取像的CCD模塊為主，傳輸界面以考量布線成本低的以太網絡為大宗。

其中，相機位置依場域特性分三類，一為眼在手（eye in hand），適用于電子組裝業；二為眼到手（eye to hand），適用于物流產業；三為眼看手（upward looking），適用于面板產業；相機位置選擇合適與否影響整體生產稼動及識別正確率。

機器視覺與AI視覺的差異在于運算軟硬件、參數控制、質量統計等面向，方案選擇與預算規劃、預期目標、演算模型、部署工具互有相關，若缺乏完整配置評估恐影響AI演算結果，而無法達成預期目標。

DIGITIMES Research認為，目前制造流程導入AI視覺雖為業界積極投入的熱門議題，但并非所有應用都有導入AI視覺的必要。盡管AI視覺在質量檢驗上優點多于機器視覺，但相對需投入的資金與建構時間較機器視覺多，因此中短期而言，AI與機器視覺會同時并存于制造流程，使用者依自身需求選擇最適方案，然長期而論，導入AI視覺的成本將逐年遞減，或有利加速制造業轉移。
編輯：lyn