随着劳动安全意识提升，社会对于工作安全灾难容忍度越来越低，使工厂在力拼生产效能之余，亦需尽力防范工安意外。以电气作业为例，作业人员一旦受到高压触电，轻则受伤送医、重则送性命，后果不堪设想，即需要全力预防。

包括半导体、面板或计算机组装厂，在产品出厂前，皆须执行高压静电测试，此事带有危险性，只因测试过程会使用到极高的电压，如果作业人员未佩戴绝缘手套，就有遭到触电的风险。

事实上各工厂均有通电测试作业规范，但人员为了贪图方便，不见得全程戴好绝缘手套，因而种下安全隐患。为遏止人员违规，多数工厂以往采取下列做法：

· 以拉线、架设红龙围栏等方式设立限制区。

· 配置若干人力，24 小时监看测试区作业人员的合规状况。

但上述两种做法都有缺点。设立限制线的成本低廉，但牺牲作业弹性、有影响产能之虞；由人力执行监测，将衍生不轻的薪资成本负担。近年因科技进步，使得各工厂的决策高层开始思考以 AI 视觉来进行人员安全防护确认。

布线简洁、专案时程紧凑为关键挑战

不可讳言，要执行 AI 视觉应用，除牵涉到一些软件技术如电子围篱，及对象分类、姿态辨识等程序逻辑外，也需要部署一些硬设备如工业相机、计算机等等。但许多工厂在布建这些软硬件元素时，往往面临下列挑战：

场域内已有测试机台，若安装其他设备，将会增加整线困扰，因而希望能以精简的布线完成相机和计算机设置。

过多的程序需要开发，包括取像程序、AI 推论程序（包含分类、对象侦测、姿态辨识等功能）、RTSP（实时串流协议）程序、I/O 控制程序，以致拖长项目时程，从模型训练到实际落地，至少 3 个月起跳，不符合上级领导的要求，让厂域内部 AI 团队承受莫大压力。

为协助工厂解决前述痛点，凌华科技推出 NEON AI 智慧相机，从 2020 年下半开始与各个业主、SI 伙伴合作，针对智能工厂 AI 影像主题展开 PoC（概念性验证）测试，其中与高压电防护情境相近者，约有 5~6 件，相关场域在实测后均给予 NEON AI 智慧相机甚高评价。

其中一个重要因素，在于 NEON 为 All-in-One 一体化装置，意即把相机、计算机合而为一，以犹如 iPhone 大小的设备型态来呈现。一来因体积小可避免占用空间；二来它基本上仅需配置一条网络线、一条电源线，反观若是分别布建相机与计算机，包括各自的网络线、电源线，加上一条 I/O 线，起码要五条，足见 NEON 确实大幅简化布线。

善用模块化Plug-in，缩短 AI开发时程

更重要的，只要导入 NEON AI 智慧相机，便可一并启用随附的 EVA SDK，对于缩短开发时程有极大帮助。

首先要从不同厂牌的工业相机撷取影像，就必须开发不同的取像程序，如今可藉由取像 Plug-in 来满足此需求。其次针对不同的 AI 模型，必须开发不同的推论程序，以便执行分类、对象侦测、姿态辨识等功能，检视是否有「未戴绝缘手套的手」出现在测试区，这部分由 AI Plug-in 加以满足。

再者假使 AI 工程师欲将影像记录或违规图片储存在远程 NVR，便需采用 RTSP 协议，此时就必须开发 RTSP 程序，可透过 RTSP Plug-in 来满足。最后多数工厂皆设置三色灯，期望藉由不同灯号显示（如绿灯代表未作业、橘灯代表作业中、红灯代表有违规事件），帮助作业人员直觉理解当下状况，因而需要开发 I/O 控制程序，可由 I/O Control Plug-in 加以满足。总之 AI 工程师可将这些 Plug-in 列为基础范本，再因应自身需求做小幅修改，即可在 Low Code 低程序代码开发的前提下加速项目落地。

而在导入NEON AI 智能相机后，用户普遍反映产生四大效益：

· 改善测试流程：解决传统型限制区如红龙围栏固定位置摆放所造成的不便与缺乏弹性、人员全程戴绝缘手套等规范，可定义得更明确。

· 减少违规事件：违规事件可被记录与量化，并可将记录上传到管理系统加以分析与监督，达到劝诫与导正行为效果，布署之后每日的违规事件急遽锐减、剩不到原来十分之一。

· 减少人员危害：透过实时三色灯警示与语音警告，立刻提醒并纠正违规同仁更正，减少造成工安意外与人员受到伤害。

· 快速无痛布署：两周完成取像、验证到加入算法等所有前置程序，快速将系统架设上线，检视成效。