人體行為辨識技術助勞力密集製造業提升生產效率

歸功於深度學習越趨成熟，近年影像辨識在製造業的運用已可創造相當優異的表現，主要可用於減少人工品檢流程的失誤與耗時，對於欲藉由自動化取代人力解決勞力稀缺或工資上漲問題的製造業者來說，不論在生產效率與品質的控管上，都具有相當顯著的成效。但對於部分短期內尚無法大量導入自動化，而仍舊以人工作業為主的傳統製造業者而言，基於影像辨識的人體骨幹分析技術，由於主要係以人體作為辨識對象，因此在不導入自動化生產的形式下，也能有效透過行為動作辨識進而達到生產效率的提升。

台灣新創團隊雲守護(Beseye)自主開發的人體骨幹分析技術，在監控設備中導入深度學習，可透過擷取人體骨骼特徵進一步分析人體行為模式，因此除了影像分析市場中已相當成熟的人臉辨識之外，更可以達到人體的動態影像辨識。Beseye創辦人暨執行長涂正翰表示，因此只要在攝影機的監控範圍內，從偵測人員進出、身分識別一直到行為辨識等，所有的動態資訊都可以被逐一分析。

而製造業運用人體骨幹分析技術的兩大需求，主要可來自工安與生產效率的提升。像是在日本一家鋼鐵公司的作業現場中，隨處可見大型起重機執行鋼條吊掛作業。具有高度危險性的作業現場，即便有非常嚴謹的安全規範把關，但平均每年仍會發生3到5起砸傷人的意外事故。特別是針對大型企業來說，意外事故造成的商譽損失，難以在短時間內被淡忘，因此這間鋼鐵公司每年光是砸在公關處理的費用就高達數億元日幣。

為了解決工安危機，Beseye協助鋼鐵公司在作業現場佈建的監控攝影機中導入影像辨識，因此哪個作業員沒有配戴安全帽，或是與吊掛鋼條的距離過近等等行為，都可以在數秒之內被辨識出來。涂正翰表示，這項應用真正的關鍵在於可達到主動告警。

他分析，過去大部分的安控設備都只能做到事發後的釐清與究責，在事發前，除了靠警衛的肉眼緊盯畫面，否則根本無法實時掌控潛在危機，而藉由監控攝影機的主動告警，可做為警衛的第三隻眼，減少工安漏洞。

在製造業方面的另一個應用，則是針對生產效率的提升。一家汽車零件製造廠至今在生產流程上仍維持大量的人力作業，然而，不管從生產效率或是製造品質來看，人力作業都具有一定的失誤機率。尤其汽車零件攸關人身安全，在良率的控管上更佳嚴格。

導入自動化取代人力可能是提升效率與品質的方法之一，但對於傳統製造業而言卻不見得符合經濟效益，因此Beseye則是協助製造商透過影像分析，儘可能降低人力作業的失誤。在第一步系統會先自主學習並定義何謂標準化的作業流程，接下來廠內的攝影機就可依據先前認知的模型辨識作業員的操作是否符合最佳化流程。

加上輔以時間紀錄，因此系統能進一步精確計算每個作業員的生產時間。這樣的作法，不僅可以確實掌握每個員工的生產力，也可以確保作業員的每一個動作皆按照標準程序進行，以降低失誤並確保產能的穩定。

由於在工廠中，監控設備是剛性需求，更是製造業者的基礎設施，透過整合監控設備與影像辨識技術，在儘可能減少更動現有產線設計的情況下導入智慧化技術提升生產效率與品質的管控，對於規模較小的製造業者或是複雜的生產環境來說，不僅有助於減少額外投資，也能降低智慧製造的導入門檻。