OPT Deep Learning Software (SciDeepVision)

การสกัดคุณลักษณะ (Feature) อัตโนมัติ

Deep Learning คือเทคโนโลยีหลักของปัญญาประดิษฐ์ (AI) เมื่อประยุกต์ใช้ Deep Learning กับระบบประมวลผลภาพ จะช่วยให้เครื่องจักรในสายการผลิตมีความสามารถในการวิเคราะห์และเรียนรู้ได้คล้ายกับมนุษย์ เครื่องจักรสามารถทำงานต่าง ๆ ได้ เช่น การจดจำข้อมูลหลากหลายรูปแบบ ทั้งข้อความและรูปภาพ รวมถึงการแก้ไขปัญหาการจดจำรูปแบบ (Pattern Recognition) ที่มีความซับซ้อนได้อย่างมีประสิทธิภาพ

ซอฟต์แวร์ Deep Learning SciDeepVision

องค์ประกอบสำคัญของเทคโนโลยี Deep Learning มีอยู่ 3 ส่วน ได้แก่ อัลกอริทึม (Algorithms), กำลังประมวลผล (Computing Power) และ ข้อมูล (Data) สำหรับงานด้าน Machine Vision นั้น จำเป็นต้องใช้ทั้งประสิทธิภาพการประมวลผลที่สูงและข้อมูลจำนวนมาก อย่างไรก็ตาม การนำ Deep Learning มาใช้งานจริงมักประสบปัญหา เช่น จำนวนข้อมูลตัวอย่างที่ไม่เพียงพอหรือไม่มีคุณภาพ รวมถึงการพึ่งพาประสิทธิภาพของฮาร์ดแวร์เป็นอย่างมาก ซึ่งส่งผลต่อความแม่นยำและประสิทธิภาพของการวิเคราะห์ภาพ

SciDeepVision ซอฟต์แวร์ Deep Learning จาก OPT ได้รับการพัฒนาขึ้นเพื่อแก้ไขข้อจำกัดของการใช้งาน Deep Learning แบบดั้งเดิม โดยรวมขั้นตอนการ Labeling, Training และ Evaluation ไว้ในแพลตฟอร์มเดียว ใช้งานง่าย ไม่จำเป็นต้องมีทักษะด้านการเขียนโปรแกรม

ซอฟต์แวร์สามารถสกัดคุณลักษณะของภาพ (Feature Extraction) ได้โดยอัตโนมัติ พร้อมรองรับเทคโนโลยีและฟังก์ชันสำคัญมากกว่า 20 รายการ ครอบคลุมการจัดการข้อมูลสำหรับการติดป้ายกำกับ (Labeling Regularization), โมเดล AI พื้นฐาน (AI Base Model), การเพิ่มประสิทธิภาพของโมเดล (Model Performance Improvement), การฝึกสอนโมเดล (Model Training), การแสดงผลข้อมูลเชิงภาพ (Visualization) และเครื่องมืออื่น ๆ ที่ช่วยให้การพัฒนาและนำระบบ Deep Learning ไปใช้งานในอุตสาหกรรมเป็นเรื่องง่ายและมีประสิทธิภาพมากยิ่งขึ้น

ผสานเทคโนโลยี Small Sample Learning และ Transfer Learning

ลดการพึ่งพาข้อมูลจำนวนมาก

SciDeepVision ได้พัฒนาเทคโนโลยีด้านการวิเคราะห์ภาพด้วยนวัตกรรมที่สำคัญ เช่น Anomaly Detection, Text Recognition, Small Sample Learning, Transfer Learning และ Simplified Models เพื่อยกระดับประสิทธิภาพของระบบ Machine Vision

ซอฟต์แวร์ช่วยแก้ไขข้อจำกัดของการพัฒนาโมเดล AI ที่ต้องอาศัยข้อมูลตัวอย่างชิ้นงานเสีย (Defective Samples) จำนวนมาก รวมถึงลดผลกระทบจากข้อจำกัดด้านประสิทธิภาพของฮาร์ดแวร์ ทำให้โมเดล AI มีความเสถียร (Robust) มากขึ้น พร้อมลดเวลาและทรัพยากรบุคคลที่ใช้ในการพัฒนาและฝึกสอนโมเดลได้อย่างมีประสิทธิภาพ

สำหรับงานตรวจสอบความผิดปกติ (Anomaly Detection) SciDeepVision ใช้อัลกอริทึมที่ต้องการเพียงข้อมูลของชิ้นงานปกติ (Good Samples) ในการฝึกสอน โดยไม่จำเป็นต้องกำหนดตำแหน่งของตำหนิหรือข้อบกพร่องล่วงหน้า ระบบสามารถตรวจจับภาพที่มีความผิดปกติ พร้อมระบุตำแหน่งของข้อบกพร่องได้โดยอัตโนมัติและแม่นยำ

นอกจากนี้ ซอฟต์แวร์ยังรองรับอัลกอริทึมสำหรับการตรวจจับข้อความจากข้อมูลตัวอย่างจำนวนน้อย (Small Text Sample Detection) ซึ่งสามารถสร้างภาพข้อความคุณภาพสูงที่มีรูปแบบสอดคล้องกับข้อมูลต้นฉบับได้จากภาพตัวอย่างเพียงไม่กี่ภาพ ช่วยลดภาระในการจัดเตรียมข้อมูลสำหรับการฝึกสอนโมเดล และเพิ่มความยืดหยุ่นในการประยุกต์ใช้งานจริงในภาคอุตสาหกรรมได้อย่างมีประสิทธิภาพ

เพิ่มความแม่นยำของโมเดลด้วยเทคโนโลยีการเรียนรู้ขั้นสูง

ในการสร้างโมเดลสำหรับงานตรวจสอบด้วย Deep Learning มักพบข้อจำกัดด้านความเสถียร (Robustness) และความสามารถในการนำโมเดลไปใช้งานกับข้อมูลใหม่ (Generalization) เช่น จำนวนข้อมูลตัวอย่างของชิ้นงานเสียมีน้อย รูปแบบของชิ้นงานมีความหลากหลาย หรือจำเป็นต้องปรับเปลี่ยนโมเดลอยู่บ่อยครั้ง ซึ่งล้วนส่งผลต่อประสิทธิภาพของการตรวจสอบ

เพื่อแก้ไขปัญหาเหล่านี้ OPT ได้พัฒนาเทคโนโลยีหลัก 3 ประการภายใน SciDeepVision ได้แก่

• Small Sample Learning – สร้างโมเดล AI ได้แม้มีข้อมูลตัวอย่างจำนวนน้อย
• Adaptive Training – ปรับปรุงการฝึกสอนโมเดลให้มีประสิทธิภาพและแม่นยำยิ่งขึ้น
• Transfer Learning – นำองค์ความรู้จากโมเดลเดิมมาประยุกต์ใช้กับงานใหม่ เพื่อลดเวลาในการพัฒนาโมเดล

หนึ่งในเทคโนโลยีเด่นคือ Adaptive Training ซึ่งสามารถวิเคราะห์และแนะนำข้อมูลที่มีคุณค่าสำหรับการตรวจสอบจากข้อมูลที่มีอยู่เดิม พร้อมรองรับการติดป้ายกำกับข้อมูล (Labeling) และการปรับแต่งโมเดลได้อย่างมีประสิทธิภาพ ส่งผลให้สามารถลดภาระในการคัดแยกและจัดเตรียมข้อมูลได้ถึง 50% พร้อมเพิ่มความแม่นยำของโมเดล AI โดยใช้ต้นทุนในการฝึกสอนที่ต่ำกว่าเดิม ช่วยให้การพัฒนาและนำระบบตรวจสอบด้วย AI ไปใช้งานจริงทำได้รวดเร็วและคุ้มค่ามากยิ่งขึ้น

Transfer Learning ลดเวลาในการพัฒนาโมเดลและเปลี่ยนสายการผลิตได้รวดเร็ว

SciDeepVision ใช้เทคโนโลยี Transfer Learning เพื่อช่วยลดระยะเวลาในการฝึกสอนโมเดล AI โดยยังคงรักษาประสิทธิภาพทั้งด้าน ความเสถียร (Robustness) และ ความสามารถในการทำงานกับข้อมูลใหม่ (Generalization) ของโมเดลตรวจสอบคุณภาพไว้ได้อย่างมีประสิทธิภาพ

ด้วยการนำองค์ความรู้จากโมเดลเดิมมาต่อยอดสำหรับงานตรวจสอบใหม่ ทำให้ไม่จำเป็นต้องเริ่มฝึกสอนโมเดลตั้งแต่ต้น ส่งผลให้สามารถพัฒนาโมเดลได้รวดเร็วขึ้น ลดทั้งเวลาและต้นทุนในการเตรียมข้อมูลและการฝึกสอน

สำหรับกระบวนการผลิตที่มีลักษณะใกล้เคียงกัน ผู้ใช้งานสามารถสลับโมเดลตรวจสอบคุณภาพได้อย่างง่ายดายเพียง คลิกเมาส์ครั้งเดียว (One-Click Model Switching) ช่วยลดเวลาในการเปลี่ยนรุ่นสินค้า (Product Changeover) เพิ่มความยืดหยุ่นให้กับสายการผลิต และรองรับการผลิตที่มีความหลากหลายได้อย่างมีประสิทธิภาพ เหมาะสำหรับโรงงานที่ต้องเปลี่ยนผลิตภัณฑ์หรือปรับเปลี่ยนกระบวนการผลิตอยู่เป็นประจำ

การประยุกต์ใช้ Machine Vision ร่วมกับ Deep Learning

ครอบคลุมกระบวนการผลิตแบตเตอรี่ลิเธียมและอุตสาหกรรมอิเล็กทรอนิกส์

SciDeepVision เป็นซอฟต์แวร์ Deep Learning ที่ได้รับการนำไปใช้อย่างแพร่หลายในหลากหลายอุตสาหกรรม โดยเฉพาะ การผลิตแบตเตอรี่ลิเธียม (Lithium Battery) และอุตสาหกรรม 3C (Computer, Communication และ Consumer Electronics) ซึ่งต้องการความแม่นยำสูงในการตรวจสอบคุณภาพ

ในกระบวนการผลิตแบตเตอรี่ลิเธียม มักพบตำหนิภายนอกที่มีลักษณะหลากหลายและซับซ้อน ซึ่งยากต่อการตรวจจับด้วยระบบตรวจสอบแบบดั้งเดิม SciDeepVision จึงถูกนำมาใช้งานในกระบวนการสำคัญมากกว่า 10 ขั้นตอน ครอบคลุมตั้งแต่

• การเคลือบผิว (Coating)
• การปั๊มขึ้นรูป (Punching)
• การตัดด้วยเลเซอร์ (Laser Cutting)
• การเรียงชั้น (Stacking)
• การม้วน (Winding)
• การเชื่อม (Welding)
• การบรรจุและซีล (Packaging)
• และกระบวนการผลิตอื่น ๆ

ช่วยเพิ่มความแม่นยำในการตรวจสอบ ลดของเสีย และยกระดับคุณภาพการผลิตได้อย่างมีประสิทธิภาพ

การตรวจจับบาร์โค้ดด้วย Deep Learning ที่รวดเร็วและแม่นยำ

OPT ได้พัฒนาอัลกอริทึมสำหรับการตรวจจับและระบุตำแหน่งบาร์โค้ด (Barcode Positioning) โดยใช้เทคโนโลยี Deep Learning ที่ออกแบบให้ใช้งานง่ายและสามารถรองรับบาร์โค้ดได้หลากหลายรูปแบบ

อัลกอริทึมนี้สามารถ ปรับปรุงคุณภาพของภาพ (Image Enhancement) และ แก้ไขความผิดเพี้ยนของภาพบาร์โค้ด (Image Correction) ก่อนทำการตรวจจับ ส่งผลให้ระบบสามารถค้นหาและระบุตำแหน่งของบาร์โค้ดได้อย่างรวดเร็วและมีความแม่นยำสูง แม้ในกรณีที่บาร์โค้ดมีคุณภาพต่ำ บิดเบี้ยว เอียง หรืออยู่ในสภาพแวดล้อมที่ท้าทาย

นอกจากนี้ ระบบยังต้องการข้อมูลตัวอย่างบาร์โค้ดเพียง จำนวนเล็กน้อย สำหรับการฝึกสอนโมเดล ทำให้ลดเวลาในการพัฒนา ลดต้นทุนในการจัดเตรียมข้อมูล และสามารถนำไปประยุกต์ใช้งานในสายการผลิตได้อย่างรวดเร็ว เหมาะสำหรับงานติดตามผลิตภัณฑ์ (Traceability) การอ่านรหัสสินค้า และระบบอัตโนมัติในภาคอุตสาหกรรมที่ต้องการทั้ง ความเร็ว ความแม่นยำ และความยืดหยุ่นในการใช้งาน

"เราพร้อมให้บริการ เพื่อยกระดับการตรวจสอบคุณภาพชิ้นงานของคุณให้แม่นยำและมีประสิทธิภาพยิ่งขึ้น โดยใช้เทคโนโลยี AI Deep Learning, Robot Vision และ 2D&3D Vision"