小到一個(gè)零部件,大到汽車、飛機(jī)這樣的整機(jī)產(chǎn)品,
工業(yè)質(zhì)檢是確保產(chǎn)品質(zhì)量和維持生產(chǎn)穩(wěn)定的關(guān)鍵技術(shù)
之一,其任務(wù)是找出各種工業(yè)制品的外觀瑕疵。
以往,工業(yè)產(chǎn)品的質(zhì)量檢測一般依賴人工目檢,不
僅成本高、效率低,而且難以滿足大規(guī)模的質(zhì)檢需
求。隨著工業(yè)成像、計(jì)算機(jī)視覺和深度學(xué)習(xí)等新技
術(shù)的更新迭代,基于人工智能技術(shù)的工業(yè)質(zhì)檢得到
了大幅發(fā)展。尤其是深度學(xué)習(xí)技術(shù),因其在處理復(fù)
雜工業(yè)圖像時(shí)展現(xiàn)出卓越的性能優(yōu)勢,逐漸取代傳
統(tǒng)技術(shù),在工業(yè)質(zhì)檢中占據(jù)主導(dǎo)地位,成為主流的
解決方案。
然而,與一般計(jì)算機(jī)視覺檢測任務(wù)相比,工業(yè)缺陷
檢測仍面臨許多固有挑戰(zhàn),導(dǎo)致許多通行方法難以
滿足工業(yè)生產(chǎn)的需求,在實(shí)現(xiàn)應(yīng)用中仍然存在不少
問題,需要更適合的技術(shù)體系與算法來解決。
1. 工業(yè)AI質(zhì)檢面臨諸多挑戰(zhàn)
工業(yè)缺陷固有的特征包括缺陷樣本稀缺、形狀不
規(guī)則、類型未知等,其中正常與異常狀態(tài)的區(qū)別
十分微小,檢測難度大幅增加??偨Y(jié)而言,在將
深度學(xué)習(xí)等技術(shù)應(yīng)用于工業(yè)A I質(zhì)檢時(shí),會面臨以
下挑戰(zhàn)。
1.1 樣本匱乏
工業(yè)生產(chǎn)容易獲取正常的數(shù)據(jù)樣本,而缺陷樣本在
很多場景中比較少,這是因?yàn)樯a(chǎn)工藝在不斷進(jìn)
步,嚴(yán)格把控次品率,且某些缺陷的形成極具偶發(fā)
性,從而讓工業(yè)數(shù)據(jù)呈現(xiàn)明顯的不均衡現(xiàn)象。這使
得監(jiān)督學(xué)習(xí)算法難以高效建立準(zhǔn)確模型,需要無監(jiān)
督學(xué)習(xí)等方法處理未標(biāo)記的數(shù)據(jù),自動發(fā)現(xiàn)模式和
結(jié)構(gòu),從而檢測出各類非合格品。
1.2 工業(yè)缺陷難區(qū)分
在工業(yè)場景中,經(jīng)常會出現(xiàn)劃痕、麻點(diǎn)、裂縫等多
形態(tài)的缺陷類型,且大多情況下缺陷類型極難區(qū)
分,不僅需要圖像級別的對比學(xué)習(xí),更可能需要使
用像素級別的對比學(xué)習(xí)得到更加細(xì)節(jié)化的信息,進(jìn)
而判斷缺陷情況。
1.3 場景復(fù)雜性和多樣性
工業(yè)細(xì)分門類多,場景復(fù)雜零碎,涉及不同的產(chǎn)品
及加工類型,且每個(gè)場景的數(shù)據(jù)具有高度的多樣性
和變化性。將AI模型大規(guī)模應(yīng)用于生產(chǎn)環(huán)境,就需
要一套系統(tǒng)性的方法,提升模型開發(fā)的效率。
1.4 成本及實(shí)時(shí)性要求
出于成本及快速生產(chǎn)需求,工業(yè)中通常需要實(shí)時(shí)監(jiān)測
和質(zhì)檢,這意味著需要能夠快速部署和迭代模型。這
就需要擁有可以自動搜索和選擇最佳模型、特征和超
參數(shù)配置的方法,從而加速模型開發(fā)和部署過程。
2. 打造全流程端到端系統(tǒng),破解落地難題
思謀科技核心團(tuán)隊(duì)有二十多年的計(jì)算機(jī)視覺研究經(jīng)
驗(yàn),且自成立伊始,便專注于智能制造,在工業(yè)AI
質(zhì)檢領(lǐng)域有深入的投入與應(yīng)用。
針對工業(yè)AI質(zhì)檢應(yīng)用落地難題及技術(shù)趨勢的要求,
思謀以自研SMore ViMo系列視覺產(chǎn)品為核心,集先
進(jìn)的工業(yè)視覺算法、行業(yè)Know-how為一體,打造
了平臺化、系統(tǒng)化的工業(yè)AI質(zhì)檢解決方案。
SMore ViMo是一套全流程工業(yè)視覺端到端系統(tǒng),通
過端云一體產(chǎn)品設(shè)置,打通了數(shù)據(jù)收集和標(biāo)注、模
型訓(xùn)練、模型部署、模型迭代全流程,有效降低了
操作門檻,無需專業(yè)算法和軟件工程師參與,也能
迅速建立與應(yīng)用AI模型,提升產(chǎn)線效率。
相較于傳統(tǒng)的解決方案,SMore ViMo用標(biāo)準(zhǔn)化的手
段解決分散的工業(yè)場景,克服了可復(fù)制性和標(biāo)準(zhǔn)性
等關(guān)鍵性問題,具有部署周期短、低門檻、維護(hù)簡
單等顯著優(yōu)點(diǎn)。
到目前為止,SMore ViMo已搭載超過1000多個(gè)細(xì)
分行業(yè)場景的智能化生產(chǎn)模型,內(nèi)嵌算法增強(qiáng)等工
具超過百余種。
近年來,隨著無監(jiān)督學(xué)習(xí)、小樣本學(xué)習(xí)、以及自動
機(jī)器學(xué)習(xí)(AutoML)、智能標(biāo)注等技術(shù)逐漸在工
業(yè)質(zhì)檢中獲得了重視及應(yīng)用,SMore ViMo也不斷納
入這些新技術(shù),幫助企業(yè)更好地應(yīng)對復(fù)雜多變的工
業(yè)環(huán)境,實(shí)現(xiàn)技術(shù)落地。
MACHINE VISION 2023/10
17