鴻海(2317)今（21）日宣布正式推出非監督式學習（Unsupervised Learning）人工智慧（AI）演算法「FOXCONN NxVAE」，適用於良率高的成熟產品線，可增加AI模型整體容錯能力，並已實際導入集團部分產品外觀檢測生產線，成功降低超過50％的產線檢測人力。
鴻海指出，傳統機器視覺檢測多以標準樣本為基準，與待測樣本進行差異比對。當產線在客製化環境檢測時，準確度會因光源變化、待測樣本定位差、產品本身紋路不規則等不定及不同因素造成比對失敗，產生較高過殺率，甚至加設人力進行二次檢測，造成人力浪費。

而FOXCONN NxVAE演算法採集不同日期的數據進行AI模型訓練，平均產品數據的變異性，增加AI模型整體容錯能力、亦解決數據差異化問題。鴻海指出，此非監督式學習算法的核心概念即為「不是好的，就是壞的」、「只需正樣本」、「讓模型重建自己」。
鴻海說明，一般監督式學習的AI算法為提升準確率，動輒需要數百至上千張瑕疵影像，才可取得超過90％的準確率，但仍未達到產線採用標準。因此，要提升準確率以達到產線檢測要求，根本之道在於高品質瑕疵影像數據集的建立與取得。
鴻海AI團隊先前針對廠內機殼瑕疵檢測，曾提出監督式學習（Supervised Learning）演算法，讓產品外觀瑕疵的檢測率達逾99％。然而，由於鴻海產線良率高，要收集20種以上各類瑕疵的足夠樣本不易，存在瑕疵影像採集困難、瑕疵數據標註與瑕疵分類痛點。
因此，Foxconn NxVAE演算法導入正面表列的模型訓練方式，沿用產線每日皆可取得的正樣本，解決瑕疵樣本取得問題，可大幅縮短客戶導入AI檢測的時間壓力，並協助定義產品檢測標準，提升生產品質並降低成本，達到以AI賦能產業應用，提升產業價值的目標。
鴻海指出，集團半導體事業群AI團隊歷時8個多月研發，從架設AOI光學檢測設備到產線採集產品外觀影像，期間因受新冠肺炎疫情影響，團隊改以遠端工作模式，進行影像數據處理與AI演算法的開發與調適，最終研發出此非監督式學習AI演算法。
鴻海指出，FOXCONN NxVAE已可全檢產品外觀常見的13類瑕疵、達到零漏檢的客戶要求，並實際應用在集團中國大陸園區內的電子產品外觀檢測產線，成功降低超過50％的產線檢測人力，除提升集團整體工作效率外，也代表往智慧工廠目標更向前邁進一大步。
鴻海半導體事業群晶片與系統方案事業處副總經理劉錦勳表示，集團產線品質良率已逾99％，累積的工業數據龐大，除持續進行品質改善，也讓AI得以發揮、助益產業發展。此次研發非監督式學習演算法，除降低產線新產品導入陣痛期，也是業界AI發展的重要里程碑。