2019
Oct.

47

達人物語

文: 台達研究院Tech Centers

台達研究院Tech Centers是由四個單位所組成,上期我們已經介紹過Artificial Intelligence Center of Excellence (AICoE)和Advanced Green Photonics Center (AGPC), 本期我們將介紹Video & Image Analytics Center及Healthcare Data Analytics Center這兩個單位。

Video & Image Analytics Center (VIA Center)

劉怡欣/VIA Center影像應用分析工程師

工業自動化堪稱是產業界轉型升級的良機,但同樣也是場生存之戰;透過物聯網、即時數據收集分析以及人工智能等技術,將既有的生產技術與各方資訊結合,並透過分析及預測達到最大效益是工業自動化的目標。

為因應工業自動化的衝擊,台達於2013年便設立研究院開發智能解決方案,其研究領域除台達本身擅長的智能製造,也涉足資訊安全、生命科學、綠色能源等領域;這些領域環環相扣,而許多相依技術及問題也在投入研究後陸續浮出,其中一部份與機器視覺相關;如何讓機器看到該看的,並做出正確的分析及判斷?如何將這些技術以最無痛的方式應用在實際場域上?解決這些問題便是Video & Image Analytics Center (VIA Center)的首要任務。

我在2017年從研究所畢業後,加入台達研究院的VIA Center,擔任影像應用分析工程師一職。在此之前,除了在學期間接觸的多媒體系統及影像處理專案,實務上僅有在醫院擔任研究助理時,分析核子醫學影像的經驗;因此剛加入時製造業的影像處理應用對我而言是全新的挑戰。

與過去經驗不同的是,近年來,產品的生命週期隨著使用者預期和快速需求日益縮短,生產模式逐漸轉為少量多樣、甚至是客製化,使可實驗的資料面臨數量不足、品質不一;再者,生命週期短也意味著開發時程有限,時間、成本與資源的掌握亦是一門很大的學問;而與過去所接觸的學術或醫療領域最大的差異是:製造業所涉及的領域十分廣泛,除了一般認知中息息相關的機械、電子、光學、甚至化學、資訊等工程領域,設計、心理、管理等人文技術也是很重要的一部份,另外還有許多來自不同背景的相關人員,在製造業扮演舉足輕重的角色。

也因背景不同,審視問題的觀點,不同價值觀影響下,衍伸出許多標準不一致的問題,這是專案合作最需克服的。舉例來說,對於要蒐集多少產線資訊才足夠建立自動化的模型,不同領域人員有截然不同的看法:產線人員可能認為,一份規範明確的鑑本足矣,但對於成日與電腦為伍的工程師,卻認為需要大量的參考圖片、大量的數據資訊才足夠;產線人員經常對於蒐集資訊感到困擾,此時專案隱含成本便開始受到檢視,包括專案是否有執行的必要?每次都需要如此龐大資訊的系統是否真的合乎現實?種種問題接踵而至,在專案中一再地發生。

當然,解決問題之前,必須釐清問題的根本:成因及既有解法;在這個階段,第一線作業員的操作經驗和習慣都是寶貴資訊,然而,這也是整個研究最困難的一部份,除了技術背景差異需要克服外,如何去蕪存菁,將資訊收斂並以最少的資訊量解決問題是此階段的一大難題。了解問題後,我們會透過「概念性驗證 (Proof of Concept, PoC)」實驗現行技術可行性及對於問題的適用性,減少未來實際執行專案的成本並降低失敗風險。透過專案合作,我們可以與產線端共同探索是否有遺漏的潛在問題,並研發出對應技術,最後透過與信息物理平台(Cyber-Physical Systems, CPS)團隊合作,連結既有資源達成「轉譯研究」,在最小的改變中,找到最大效益的解法。

在跨團隊的合作下,VIA Center目前的研究成果除了自動缺陷分類及車牌辨識等解決方案外;在影像分析方面的應用則有:同步定位與地圖構建、虛擬閘門、人臉辨識、跨攝影機追蹤…等技術。透過VIA Center開發的台達智慧影像分析平台,整合各團隊的影像處理演算法,讓技術可以輕易地跨領域、部門使用,使技術人員可全心全意致力於開發。

在DRC工作兩年多,除了能將過去所學的技術應用到不同場域,也透過不斷累積專案實務經驗,認識了各領域專業人員,也對製造業整體生態有了一定程度的了解。未來將繼續和VIA Center團隊持續投入心力在AI晶片及自動光學檢測機台的開發,期望將解決方案拓展至邊緣運算領域,透過新技術研發與創新的應用,拓展並優化生態系統,協助產業升級。


DRC VIA Center團隊成員,左六為本文作者

Healthcare Data Analytics Center (HDAC)

鄒奇軒博士/HDAC生命科學應用研究中心

2014年因暑期實習的契機,加入台達研究院生命科學應用研究中心,從尋找客戶痛點和合適技術的切入點,確認可行機會並提出可能的商業模式。進一步結合場域醫學知識與過去所學的資訊科技,探索並打造最實用的人工智慧醫療應用,讓深度學習導入臨床、減輕醫師負擔、提升醫療品質,同時降低成本。對於疾病的發現傳統上雖然有儀器輔助,但透過數據採集產生大量臨床數據資訊,包括檢驗數據、醫療影像、基因定序等,仍需要人工進行確認,而疾病診斷及治療則是依據過去對醫學的理解。期許透過大量臨床數據採集整理分析的過程發掘根本原因,進而帶動醫療變革。

隨著,老齡化社會與環境的變遷,WHO統計於2030年,新增癌症人數將大幅增加;而癌症是由病理科醫師進行確診,但卻面臨資深醫師退休以及新進醫師人數不足等問題。根據研究調查指出,病理科別是屬於高知識累積的行業,數據解讀一直面臨瓶頸,如果單純依靠人力,在資料量越來越多,且病理科醫師訓練時間較長或是人數持續減少時,這些問題將會造成現有醫療體系沉重的負擔。


HDAC團隊同仁合影,右一是本文作者

Healthcare Data Analytics Center (HDAC)致力於提供數位病理人工智慧輔助診斷的解決方案,結合醫學知識和資訊科技,組成具備跨領域溝通與整合能力的團隊,能夠進一步強化技術與臨床需求匹配的能力。除了數位病理影像管理與標註系統外,亦整合深度學習推論功能,滿足人工智慧模組於臨床量化指標應用及開發的需求。

數位病理影像管理、標註與分析系統:具備人工智慧模型的擴充性,提供數位病理人工智慧開發與佈建流程,無縫接軌深度學習訓練流程,運用人工智慧與醫師偕同工作,提高生產力與判讀一致性。並提供可擴充性的基礎儲存架構,同時支援本地端及資料中心,作為長期儲存擴充的解決方案。

未來,當此解決方案導入至合作的醫院,從ICT的角度,我們看到一些機會,除了建置資料中心蒐集四類real world data,包括免費的、連續觀測的、準確的、多重維度及無限維度的資料,若可以協助醫院在設備營運過程中產生數據,找到新的事業潛力,就可以在產品運作的同時,開創新的價值鏈;而平台與資料中心之間的溝通,需要網通設備,確保資料傳輸的穩定、安全。結合台達的優勢與能力,搭配此數位病理解決方案,不僅能橫向拓展台達既有業務,更能提供全生命週期的智慧醫療服務給予我們合作夥伴,達成建構智慧醫療產業生態系的目標。