導(dǎo)讀

自亨利·福特首次引入裝配線(xiàn)系統(tǒng)以來(lái)，過(guò)程繁瑣，昂貴的手工檢查商品越來(lái)越不能滿(mǎn)足日益強(qiáng)大的制造業(yè)，質(zhì)量控制變成了制造中的大問(wèn)題。令許多制造商頭疼的是，生產(chǎn)過(guò)程或材料上產(chǎn)生的微小差異也會(huì)使整個(gè)生產(chǎn)過(guò)程出現(xiàn)缺陷。據(jù)分析公司的數(shù)據(jù)分析，在復(fù)雜的生產(chǎn)線(xiàn)上，有些不良率可以達(dá)到驚人的90％，在某些行業(yè)，50％的生產(chǎn)會(huì)由于缺陷而報(bào)廢。近幾年，隨著深度學(xué)習(xí)的發(fā)展，工業(yè)質(zhì)量檢測(cè)領(lǐng)域迎來(lái)蓬勃發(fā)展。專(zhuān)家預(yù)測(cè)，2022年將會(huì)是工業(yè)質(zhì)檢的開(kāi)花年，日益成熟的深度學(xué)習(xí)技術(shù)將帶領(lǐng)工業(yè)質(zhì)檢成為繼自動(dòng)駕駛之后最熱門(mén)的AI行業(yè)。今天，我們就一起來(lái)了解一下深度學(xué)習(xí)為工業(yè)質(zhì)檢創(chuàng)造的便利條件吧。

背景知識(shí)

隨著制造業(yè)產(chǎn)值的明顯增速，迅速催生了由視覺(jué)驅(qū)動(dòng)的自動(dòng)光學(xué)檢查（AOI）系統(tǒng)，它可以提供彩色圖像，幫助工人檢測(cè)產(chǎn)品，確保產(chǎn)品在進(jìn)入下一個(gè)步驟制造之前提高質(zhì)量。但是，它仍然相對(duì)較慢，準(zhǔn)確度不高，且維護(hù)費(fèi)用昂貴。隨著工業(yè)4．0的快速轉(zhuǎn)型，AOI系統(tǒng)不能處理的問(wèn)題越來(lái)越多，這個(gè)時(shí)候，基于深度學(xué)習(xí)而產(chǎn)生的工業(yè)缺陷檢測(cè)系統(tǒng)出現(xiàn)了，它不僅能夠區(qū)分視覺(jué)相似部分的變化和偏差，還能夠區(qū)分產(chǎn)品的功能缺陷和外部缺陷（輕微），很好地解決AOI系統(tǒng)的缺點(diǎn)。

我們所提到的深度學(xué)習(xí)其實(shí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它強(qiáng)調(diào)通過(guò)提供一個(gè)例子來(lái)教計(jì)算機(jī)像人類(lèi)一樣學(xué)習(xí)。與機(jī)器學(xué)習(xí)不同的是，深度學(xué)習(xí)模型不需要不斷地用明確的指令編程來(lái)分析數(shù)據(jù)。通常，這些模型只提供了一個(gè)包含大量相關(guān)信息的數(shù)據(jù)集和一些初始參數(shù)，以便對(duì)數(shù)據(jù)進(jìn)行操作。

深度學(xué)習(xí)可以解決復(fù)雜特征問(wèn)題

相比傳統(tǒng)機(jī)器視覺(jué)通過(guò)視覺(jué)工程師來(lái)設(shè)計(jì)算法模型，深度學(xué)習(xí)技術(shù)最大的不同在于，程序能夠自主發(fā)現(xiàn)需要用什么特征，通過(guò)什么樣的邏輯關(guān)系來(lái)完成圖像分析任務(wù)，實(shí)現(xiàn)由程序來(lái)設(shè)計(jì)算法模型。

以樂(lè)高積木來(lái)類(lèi)比的話(huà)，在傳統(tǒng)機(jī)器視覺(jué)里，人類(lèi)的工作是從100個(gè)樂(lè)高元素里挑出數(shù)十個(gè)，組裝起來(lái)執(zhí)行人類(lèi)設(shè)計(jì)好的邏輯動(dòng)作，完成相關(guān)任務(wù)；而深度學(xué)習(xí)里，人類(lèi)告訴機(jī)器需要完成的任務(wù)，由機(jī)器從1億個(gè)樂(lè)高元素里，挑出數(shù)萬(wàn)個(gè)，組裝起來(lái)并選擇需要執(zhí)行的邏輯動(dòng)作來(lái)完成該任務(wù)。這說(shuō)明其表達(dá)能力遠(yuǎn)遠(yuǎn)高于人類(lèi)專(zhuān)家。專(zhuān)家表示，即使需要檢測(cè)的物品特征以可以接受的方式微妙的發(fā)生著變化，深度學(xué)習(xí)也能夠精確的檢查并分類(lèi)。

深度學(xué)習(xí)可以達(dá)到工業(yè)精度要求

大家通常會(huì)認(rèn)為，工業(yè)應(yīng)用對(duì)于技術(shù)精度和穩(wěn)定性的要求要高于民用技術(shù)。所以，在消費(fèi)領(lǐng)域火熱的深度學(xué)習(xí)技術(shù)，是否能夠滿(mǎn)足工業(yè)指標(biāo)呢？我們以外觀缺陷檢測(cè)為例，看看工業(yè)檢測(cè)具體需要考慮哪些指標(biāo)。

（檢測(cè)任務(wù)的準(zhǔn)確率考核矩陣）

漏判率：漏判會(huì)直接造成不良品流向終端客戶(hù)。所以漏判率要求通常低于100PPM。誤判率：誤判會(huì)直接對(duì)工業(yè)企業(yè)的良率造成影響，會(huì)造成物料的浪費(fèi)。企業(yè)對(duì)誤判率的要求通常要求在1～5（％）之間。在漏判率達(dá)標(biāo)的前提下，只有大幅降低誤判率，才能達(dá)到減人的目標(biāo)。節(jié)拍：不同行業(yè)有較大差異，如電子行業(yè)的節(jié)拍要求在5秒以?xún)?nèi)，機(jī)械加工行業(yè)的節(jié)拍要求在幾十秒以?xún)?nèi)。

一方面，深度學(xué)習(xí)目前的行業(yè)普遍技術(shù)水平已經(jīng)能夠達(dá)到95％以上的判定準(zhǔn)確率。通過(guò)平衡漏判率和誤判率，更加嚴(yán)格地控制漏判，可以讓漏判率降到100PPM以下，而誤判率降到5％以下。另一方面，針對(duì)節(jié)拍的要求，由于目前GPU顯卡可以達(dá)成每秒80禎的圖像處理速度，5秒內(nèi)可以完成400張圖片的判定。而一般3C行業(yè)的產(chǎn)品較小，只需要10張以?xún)?nèi)的照片就可以完成產(chǎn)品的覆蓋，比如大的機(jī)加工產(chǎn)品，也只需不到100張圖片進(jìn)行產(chǎn)品表面的全覆蓋。圖像處理的速度完成可以滿(mǎn)足節(jié)拍的要求。所以總體來(lái)看，專(zhuān)家認(rèn)為深度學(xué)習(xí)技術(shù)已經(jīng)成熟到可以完成復(fù)雜工業(yè)視覺(jué)任務(wù)。

尾聲

深蘭科技也一直在工業(yè)質(zhì)檢領(lǐng)域?qū)で笸黄�。�?jù)相關(guān)項(xiàng)目負(fù)責(zé)人表示，在深耕算法研究的基礎(chǔ)上，深蘭科技硬件智能質(zhì)檢設(shè)備隊(duì)伍也在逐步擴(kuò)大。目前，深蘭科技智能質(zhì)檢設(shè)備已經(jīng)廣泛運(yùn)用于組裝件AI檢測(cè)，平面產(chǎn)品線(xiàn)上質(zhì)檢，金屬及其他材料外觀檢測(cè)等多個(gè)領(lǐng)域……能為傳統(tǒng)制造業(yè)節(jié)約人工成本，提升工作效率。未來(lái)，深蘭科技將繼續(xù)研發(fā)解決工業(yè)檢測(cè)痛點(diǎn)的技術(shù)和產(chǎn)品，助力中國(guó)從“制造大國(guó)”向“制造強(qiáng)國(guó)”轉(zhuǎn)型。