摘要
印刷電路板（PCB）是台灣第三大電子產業，擁有全球市占率三成的領先地位[1]。然而，由於台灣PCB產業起步早，還停留在工業2.0～2.5階段，面對虎視眈眈的強勁對手，台廠如要繼續維持全球第一的地位勢必得導入更多的智慧化生產流程管控產品品質以提升競爭力。過去常用的自動光學檢測（Automated Optical Inspection, AOI; Automated Vision Inspection, AVI）技術係運用傳統影像處理技術比對待測物和固定的母版影像的差距以判定是否為瑕疵品。然而實際運用時由於生產設備參數或環境些微的異動使得產品外觀也跟著發生改變，這種可被產品顧客接受的差異卻被傳統影像比對技術視為瑕疵而發出假警報。由於這種假警報的狀況過於頻繁，生產業者只好雇請大量人工進行自動光學檢測後的瑕疵覆判以避免丟棄良品的損失。近年來類神經網路深層學習（Deep Learning）技術突破性的發展使得電腦視覺辨識物件影像的正確率快速提升，以國際電腦視覺競賽ILSVRC的1000種物件影像分類為例，2015年的冠軍技術辨識效能即已超越人類。有鑒於此，以深層學習為基礎的人工智慧技術應用於工業生產已是目前世界各國推動產業提升競爭力的主流趨勢。本文介紹的深層學習PCB瑕疵覆判應用即是一種可取代前述人工檢查並提升產品檢驗效能的人工智慧技術。